The International Sexual Health And REproductive Health during COVID-19 (I-SHARE) Study: A Multicountry Analysis of Adults from 30 Countries Prior to and During the Initial Coronavirus Disease 2019 Wave
Notice bibliographique
Résumé
BACKGROUND: There is limited evidence to date about changes to sexual and reproductive health (SRH) during the initial wave of coronavirus disease 2019 (COVID-19). To address this gap, our team organized a multicountry, cross-sectional online survey as part of a global consortium. METHODS: Consortium research teams conducted online surveys in 30 countries. Sampling methods included convenience, online panels, and population-representative. Primary outcomes included sexual behaviors, partner violence, and SRH service use, and we compared 3 months prior to and during policy measures to mitigate COVID-19. We conducted meta-analyses for primary outcomes and graded the certainty of the evidence. RESULTS: Among 4546 respondents with casual partners, condom use stayed the same for 3374 (74.4%), and 640 (14.1%) reported a decline. Fewer respondents reported physical or sexual partner violence during COVID-19 measures (1063 of 15 144, 7.0%) compared to before COVID-19 measures (1469 of 15 887, 9.3%). COVID-19 measures impeded access to condoms (933 of 10 790, 8.7%), contraceptives (610 of 8175, 7.5%), and human immunodeficiency virus/sexually transmitted infection (HIV/STI) testing (750 of 1965, 30.7%). Pooled estimates from meta-analysis indicate that during COVID-19 measures, 32.3% (95% confidence interval [CI], 23.9%-42.1%) of people needing HIV/STI testing had hindered access, 4.4% (95% CI, 3.4%-5.4%) experienced partner violence, and 5.8% (95% CI, 5.4%-8.2%) decreased casual partner condom use (moderate certainty of evidence for each outcome). Meta-analysis findings were robust in sensitivity analyses that examined country income level, sample size, and sampling strategy. CONCLUSIONS: Open science methods are feasible to organize research studies as part of emergency responses. The initial COVID-19 wave impacted SRH behaviors and access to services across diverse global settings.
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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,007 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».