Predictors of mobility among women engaged in commercial sex work in Uganda using generalized estimating equations model
Notice bibliographique
Résumé
BACKGROUND: Women engaged in commercial sex work (WESW) are at a higher risk of acquiring and transmitting HIV. WESW are highly mobile, and their mobility may increase their economic status, and increased access to healthcare and other social services. However, it may also facilitate the spread of HIV infection from higher to lower prevalence regions. This study examined the predictors of mobility among WESW in Uganda using a generalized estimating equations model. METHODS: We defined and measured mobility as the change in residence by WESW between baseline, 6 months, and 12 months follow-up. Participants who changed places were considered mobile, and those who never changed were non-mobile. We used data from a longitudinal study, which recruited 542 WESW from Southern Uganda aged 18-55 years and constructed a Generalized Estimating Equations Model. RESULTS: Findings show that 19.6% of WESW changed residence between baseline and 6 months of follow-up and 26.2% (cumulative) between baseline and 12 months of follow-up. Older women (OR = 0.966, 95% CI = 0.935, 0.997) were associated with decreased odds of mobility, whereas WESW who were HIV positive (OR = 1.475, 95% CI = 1.078, 2.018) and those from large households (OR = 1.066, 95% CI = 1.001, 1.134) were associated with increased odds of mobility. WESW residing in rural areas (OR = 0.535, 95% CI = 0.351, 0.817) were associated with decreased odds of mobility compared to those from fishing sites. CONCLUSION: The results indicate risk factors for mobility, further research is needed to determine the directionality of these factors in order to design interventions addressing mobility among WESW.
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 | 0,004 | 0,002 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».