The epidemiology of delayed HIV diagnosis in Ibadan, Nigeria
Notice bibliographique
Résumé
BACKGROUND: Human immunodeficiency virus infection (HIV) is one of the major health burdens in Nigeria. Delayed HIV diagnosis remains a significant driver of HIV transmission. The risk factors of delayed HIV diagnosis have not been widely studied in Nigeria. This observational study examined demographic risk factors for delayed HIV diagnosis and the trends in the annual total cases of delayed HIV diagnosis in Ibadan, Nigeria. METHODS: We examined the data on HIV patients enrolled in care at the University College Hospital's Antiretroviral Therapy (ART) clinic in Ibadan, Nigeria. Delayed HIV diagnosis was defined as a Cluster of Differentiation 4 (CD4) count of less than 350 cells/mm³ at the time of diagnosis. The association between delayed HIV diagnosis and risk factors was analyzed using logistic regression. The trends in the annual total cases of delayed HIV diagnosis over time were examined. RESULTS: This study included 3458 HIV patients. There were 1993/3458 prevalent cases of delayed HIV diagnosis (57.6%). The risk factors for delayed HIV diagnosis were older age, retirement, marriage separation, never married, and widowed female. The factors that were significantly associated with a low risk of delayed HIV diagnosis were student and tertiary education. There was a progressive decline in the annual cases of delayed HIV diagnosis. CONCLUSIONS: Although the cases of delayed HIV diagnosis are still high, they are declining. Human immunodeficiency virus testing should be targeted at populations at risk of delayed diagnosis. Considerable public awareness and education programs about HIV testing may significantly reduce delayed HIV diagnosis in Nigeria.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».