The prevalence and incidence of HIV in the ART era (2006–2016) in North West Tanzania
Notice bibliographique
Résumé
BACKGROUND: Sub-Saharan countries bear a disproportionate percentage of HIV infections and HIV-related deaths despite the efforts to strengthen HIV prevention and treatments services, including ART. It is important to demonstrate how these services have contributed to reducing the epidemic using available population data. METHODS: We estimated the prevalence and incidence rates from a cohort running over 23 years in Magu District, Mwanza Region-North West Tanzania. Adults 15 years and over who were residents of the Kisesa observational HIV cohort study between 2006 and 2016 were eligible for inclusion. Survival analysis was used to calculate person-time at risk, incidence rates and 95% confidence intervals (CIs). Cox regression models were used for the risk factor analyses disaggregated by sex and age group. RESULTS: The HIV prevalence in the sero-surveys decreased from 7.2% in 2006/07 to 6.6% in 2016, with a notable decrease of over 50% for both men and women aged 15-24 years. The incidence rate for HIV was estimated to be 5.5 (95% CI 4.6-6.6) per 1,000 person-years in women compared to 4.6 (95% CI 3.5-5.8) in men, with a decrease over time. Despite the availability of ART services, the uptake is still small. CONCLUSIONS: New infections are still occurring, with high HIV incidence in individuals aged below 45 years. With new guidelines and the 95-95-95 UNAIDS target, prevalence and incidence must be adequately assessed. In addition, there is a need for additional efforts to assess the impact of HIV/AIDS prevention programmes and intervention services, especially in these areas where resources are limited.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».