Mapping virtual platforms to estimate the population size of men who have sex with men (MSM) who use internet to find sexual partners: implications to enhance HIV prevention among MSM in Kenya
Notice bibliographique
Résumé
Introduction: Men who have sex with men (MSM) in Kenya face a disproportionate HIV disease burden. Over the last few years, the use of virtual platforms and internet sites to seek male sexual partners has increased manyfold in Kenya. New approaches are required to map, estimate and profile MSM who operate through virtual platforms to design interventions for them. Methods: This study was conducted in three counties in Kenya: Kiambu, Kisumu and Mombasa with MSM who use virtual platforms such as geosocial networking (GSN) and social networking applications to find and connect with male sex partners. The platforms were profiled through a multi-stage approach and the number of MSM associated with these platforms were estimated. In the final stage, 435 respondents randomly selected from the virtual platforms were interviewed in a secure location after informed consent. Data analysis focused on calculating an estimate of MSM for each virtual platform in each site, adjusting for duplicate profiles and multiple registrations. Results: We identified 24 GSN apps, 18 Facebook accounts/pages and 18 WhatsApp groups across the three counties, with Facebook being the preferred platform. Kiambu had the highest number of estimated MSM at 3,635 (95%CI = 3,335 to 3,990) followed by Kisumu at 1,567 (95%CI = 1,480 to 1,665) and Mombasa at 1,469 (95%CI = 1,335 to 1,604) who used virtual platforms to find other male sexual partners. On average, each MSM had 3.7 profiles on multiple platforms, with an average of 2.1 profiles used in the past month. Conclusions: The use of conventional population size estimation approaches that focus on physical sites alone may underestimate the total number of MSM in a geography. Virtual mapping should be used in conjunction with conventional hot spot based size estimation methodologies to estimate numbers of MSM to set programmatic targets.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».