STI prevalence, incidence, and partner notification among women in a periconception HIV prevention program in Uganda
Notice bibliographique
Résumé
BACKGROUND: We provided sexually transmitted infection (STI) screening and facilitated partner notification and treatment among women participating in a periconception HIV prevention program in southwestern Uganda to understand follow-up STI incidence. METHODS: Women at-risk for HIV exposure while planning for pregnancy completed laboratory screening for chlamydia, gonorrhea, trichomoniasis, and syphilis at enrollment and 6 months of follow-up and/or incident pregnancy; facilitated partner notification and treatment were offered for those with positive tests. We performed a logistic regression to determine correlates of follow-up STI. RESULTS: Ninety-four participants completed enrollment STI screening with a median age of 29 (IQR 26-34); 23 (24%) had ≥1 STI. Of the 23 participants with enrollment STI(s), all completed treatment and 19 (83%) returned for follow-up; 18 (78%) reported delivering partner notification cards and discussing STIs with partner(s), and 14 (61%) reported all partners received STI treatment. Of the 81 (86%) who successfully completed follow-up STI screening, 17 (21%) had ≥1 STI. The STI incidence rate was 29.0 per 100 person-years. In univariable regression analysis, enrollment STI, younger age, less education, and alcohol consumption were all significantly associated with follow-up STI. CONCLUSIONS: We demonstrated high enrollment and follow-up STI rates and moderate participant-reported partner treatment among women planning for pregnancy in Uganda despite partner notification and treatment. Novel STI partner notification and treatment interventions are needed to decrease the STI burden, especially among women planning for and with pregnancy.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».