Cango Lyec (Healing the Elephant): HIV Prevalence and Vulnerabilities Among Adolescent Girls and Young Women in Postconflict Northern Uganda
Notice bibliographique
Résumé
OBJECTIVES: Adolescent girls and young women younger than 25 years (AGYW) account for disproportionate HIV infections in sub-Saharan Africa. Impacts of war in Northern Uganda continue to affect HIV-related health and wellbeing of young people postconflict. Prevalence and incidence of HIV infection were estimated, and factors associated with HIV prevalence among sexually active AGYW in Northern Uganda were investigated. METHODS: Cango Lyec is a cohort involving conflict-affected populations in Northern Uganda. Nine randomly selected communities in Gulu, Nwoya, and Amuru districts were mapped. House-to-house census was conducted. Consenting participants aged 13-49 years were enrolled over 3 study rounds (2011-2015), of whom 533 were AGYW and had ever had sex. Data were collected on trauma, depression, and sociodemographic-behavioral characteristics. Venous blood was taken for HIV and syphilis serology. Multivariable logistic regression determined baseline factors associated with HIV prevalence. RESULTS: HIV prevalence among AGYW was 9.7% (95% CI: 7.3 to 12.6). AGYW living in Gulu (adjusted risk ratio, aRR: 2.48; 95% CI: 1.12 to 5.51) or Nwoya (aRR: 2.65; 95% CI: 1.03 to 6.83) were more likely than in Amuru to be living with HIV. Having self-reported genital ulcers (aRR: 1.93; 95% CI: 0.97 to 3.85) or active syphilis (aRR: 3.79; 95% CI: 2.35 to 6.12) was associated with increased risk of HIV infection. The likelihood of HIV was higher for those who experienced sexual violence in the context of war (aRR: 2.37; 95% CI: 1.21 to 4.62) and/or probable depression (aRR: 1.95; 95% CI: 1.08 to 3.54). HIV incidence was 8.9 per 1000 person-years. CONCLUSION: Ongoing legacies of war, especially gender violence and trauma, contribute to HIV vulnerability among sexually active AGYW. Wholistic approaches integrating HIV prevention with culturally safe initiatives promoting sexual and mental health in Northern Uganda are essential.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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 ».