Using the HIV Prevention Self-Assessment Tools (PSAT) to assess and monitor sex workers HIV programmes in selected countries in Africa
Notice bibliographique
Résumé
Background: The HIV Prevention Self-Assessment Tools (PSATs) were developed by the Global Prevention Coalition as an easy-to-use tool for country-led review of national HIV prevention response against a global standardised set of programmatic components. As part of the South to South Learning Network (SSLN), country-level data on HIV prevention programmes for sex workers were collected by 10 African countries, using the PSAT to self-assess their HIV prevention progress. Methods: Data were collected August 2020 to July 2021 from participating countries. In each country, a technical team of 8-10 members completed the tool with support from the SSLN. The PSAT collects data for three programme domains: management, implementation and outcomes and sustainability, each of which comprises essential programme functions and elements. Once all elements are scored, the tool automatically calculates the final scores for each domain, on a scale of 1-5. Also, 15 interviews were conducted with 15 country leaders to understand the ease and usefulness of the PSAT process. Results: The overall PSAT scores ranged between 4.1 (Kenya) to 2.3 in Zambia. Of the three domains, Programme Management achieved the highest scores, with four countries (Kenya, Ghana, Zimbabwe, and South Africa) scoring more than four. High scores were seen in the Programme Implementation domain as well; five countries (Zimbabwe, South Africa, Mozambique, Malawi and Uganda) scored between 3 to 4. For Programme Outcomes and Sustainability, other than Kenya, which did not score the outcomes, all countries scored poorly with scores ranging between 3.8 to 1.5. Comparing PSAT scores with UNAIDS suggested epidemic metrics have shown that countries with the highest PSAT scores also have high condom use rates and significant reductions in HIV incidence from 2010 to 2019. Conclusions: This exercise has helped country’s leadership to self-reflect on their HIV prevention programmes, increase ownership and identify areas that need strengthening.
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 | 0,008 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».