Programmatic mapping and estimating the population size of female sex workers, men who have sex with men, people who inject drugs and transgender populations in Kenya
Notice bibliographique
Résumé
Introduction Effective coverage of Human Immunodeficiency Virus prevention services for Key Populations (KPs) including female sex workers (FSWs), men who have sex with men (MSM), people who inject drugs (PWID) and transgender (TG) people necessitates periodic validation of physical venues and size estimates. Kenya conducted a robust size estimation of KPs in 2012 and a repeat mapping and size estimation exercise was conducted in 2018 to update KP Size Estimates and sub-typologies within each County for calculation of realistic program indicators. Methods A prospective mixed methods programmatic mapping approach adopted comprised two steps. The first step involved consolidating and documenting all known venues where KPs congregate while the second step included visiting and validating these venues confirming their active status. Data were collected in 34 out of 47 Counties in Kenya between January and March 2018. Data collected included estimated number of KPs (range), venue typology and timing of operation of each venue. Results We estimated a total number of 167,940 (129,271 to 206,609) FSWs; 32,580 (24,704 to 40,455) MSM; 16,063 (12,426 to 19,691) PWIDs; 10,951 (8,160 to 13,742) and 4,305 (2,826 to 5,783) transgender people congregating at 10,250, 1,729, 401 and 1,218 venues respectively. Majority of the venues for FSW (81%), MSM (64%) and transgender people (67%) were bars with and without lodging, PWIDs were mostly found on streets and injecting dens (70%). Around 9% of FSW and MSM and11% of PWIDs were below the age of 18 years. Conclusion This study provided information on young KPs, female PWIDs, MSWs and for the first time, TG people in Kenya. The exercise updated size estimates of KPs by typology and provided new evidence for resource allocation, planning of interventions and targets. Programmatic mapping continues to be a useful approach supporting programs to achieve high levels of coverage and prioritize resources.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».