Geosexual Archetype, Preventive Behaviors, and Sexually Transmitted Infections Among High-Risk Men Who Have Sex With Men
Notice bibliographique
Résumé
BACKGROUND: Social geography plays an important role in transmission of sexually transmitted infections (STIs) among men who have sex with men. Previous qualitative work had identified 7 "geosexual archetypes," each with distinct travel patterns for sex and potentially important differences in STI rates. The objective of this article was to explore what could be learned about STI transmission by looking at STI prevention strategies (condom use and preexposure prophylaxis use) and prevalence of STIs among these geosexual archetypes. METHODS: We analyzed data from the Sex Now 2019 online survey in Canada. Men who have sex with men who reported 3 or more partners in the past 6 months were included in the analysis (n = 3649). RESULTS: The most common archetype was "geoflexible" (sex at home, partner's home, and other places; 35.6%), followed by "privates" (sex only at own/partner's home; 23.0%); the least common archetypes was "rover" (sex not at home or partner's place; 4.0%). There were significant variations in both STI prevention strategies and prevalence of bacterial STIs in the past year by geosexual archetype. In particular, among those who were HIV negative, those who reported a geoflexible archetype and used preexposure prophylaxis but did not use condoms consistently had a 52.6% prevalence of bacterial STIs, which was much higher compared with all other groups. Within other archetypes, those living with HIV had the highest prevalence of bacterial STIs. CONCLUSIONS: Geosexual archetype together with participant's STI prevention strategies was a strong predictor of bacterial STI risk. Understanding how place is connected to bacterial STIs is key in prevention as individuals do not live in isolation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».