Injecting drug use & HIV prevalence among female sex workers: Evidence from the National Integrated Biological & Behavioural Surveillance, India
Notice bibliographique
Résumé
Background & objectives: Female sex workers (FSWs) who inject drugs (FSW-IDs) have a higher risk of HIV infection and transmission. Understanding the socio-demographic characteristics and other risk behaviours among FSW-IDs will help in strengthening targeted interventions for HIV prevention and management. In the present study, the HIV prevalence, associated socio-demographic characteristics and risk behaviours among FSWs who injected drugs (FSW-IDs) and those who did not ID (FSW-NIDs) was determined in India. Methods: The national cross-sectional, community-based, integrated biological and behavioural surveillance was conducted in 2014-2015 at 73 randomly selected FSW domains across 28 States and Union Territories in India. The sample size was fixed at 400 for each domain, and a probability-based sampling method was followed. The data were analyzed by logistic regression methods. Results: Data from 27,007 FSWs were included in the analysis, of which 802 (3%) were FSW-IDs. HIV prevalence among FSW-IDs was significantly higher than that in FSW-NIDs (4.5 vs. 1.9%). Univariate analysis showed that factors significantly associated with higher HIV prevalence among FSW-IDs were older age, sex work as the only source of income, dissolved marriage, living with a sex worker, urban locality of sex work and consumption of alcohol or oral drugs. In multivariable analysis, factors such as older age of FSW-IDs (35 yr and above), having a dissolved marriage and sex work being the only source of income were observed to be independently and significantly associated with higher HIV prevalence. Interpretation & conclusions: Scaling up the HIV preventive interventions for FSW-IDs, such as facilitating awareness and improved access to needle and syringe exchange programme (NSEP) and opioid substitution therapy (OST), encouraging safe sex and injecting practices, educating on the harmful effects of alcohol and drugs and providing alternative vocation options to secure their financial needs are several strategies that may reduce HIV transmission among FSWs.
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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 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 ».