Mapping and size estimation of men who have sex with men in virtual platforms in Delhi, India
Notice bibliographique
Résumé
INTRODUCTION: In India, the HIV epidemic is concentrated among Key Populations (KPs), such as men who have sex with men (MSM), who bear a disproportionate burden of HIV disease. Conventional targeted interventions (TI) mitigate HIV transmission among MSM by focusing on physical hotspots. As increasingly, there is a shift within India's MSM community to connect with sex partners online, novel approaches are needed to map virtual platforms where sexual networks are formed. The objective of this study was to estimate the number of MSM in Delhi using virtual platforms to connect for sex and to describe patterns of their use. METHODS: The study was conducted in the state of Delhi among MSM over 18 years of age who used virtual platforms to look for sexual partners. Virtual platforms were identified through community consultations. Size estimation was carried out by enumerating the number of online users, accounting for duplication across sites and time and based on interviews with 565 MSM. RESULTS: 28,058 MSM (95% CI: range 26,455-29,817) use virtual sites to find sexual partners. We listed 14 MSM specific virtual sites, 14 general virtual sites, 19 social networking pages and 112 messenger groups, all used by MSM. Five virtual sites met feasibility criteria to be included in the virtual mapping. Of the MSM on these sites, 81% used them at night and 94% used them on Sundays, making these the peak time and day of use. Only 16% of users were aware of organizations providing HIV services and 7% were contacted by peer educators in the preceding three months. Two-fifths (42%) also visited a physical location to connect with sexual partners in the month prior to the study. DISCUSSION: TI programs that focus on physical hotspots do not reach the majority of MSM who use virtual sites. MSM active on virtual sites have a low awareness of HIV services. Virtual mapping and programmatic interventions to include them must be incorporated into current public health interventions to reach MSM at risk of HIV.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».