HIV incidence among women engaging in sex work in sub-Saharan Africa: a systematic review and meta-analysis
Notice bibliographique
Résumé
Introduction: HIV incidence among women in sub-Saharan Africa (SSA) has declined steadily, but it is unknown whether new infections among women who engage in sex work (WESW) have declined at a similar rate. We synthesised estimates of HIV incidence among WESW in SSA and compared these to the wider female population to understand levels and trends in incidence over time. Methods: We searched Medline, Embase, Global Health, Popline, Web of Science, and Google Scholar from January 1990 to October 2022, and grey literature for estimates of HIV incidence among WESW in SSA. We included studies reporting empirical estimates in any SSA country. We calculated incidence rate ratios (IRR) compared to age-district-year matched total female population incidence estimates. We conducted a meta-analysis of IRRs and used a continuous mixed-effects model to estimate changes in IRR over time. Results: From 32 studies between 1985 and 2020, 2,194 new HIV infections were observed in WESW over 51,000 person-years (py). Median HIV incidence was 4.3/100py (IQR 2.8-7.0/100py), declining from a median of 5.96/100py between 1985 and 1995 to a median of 3.2/100py between 2010 and 2020. Incidence among WESW was nine times higher than in matched total population women (RR 8.6, 95%CI: 5.7-12.9), and greater in Western and Central Africa (RR 22.4, 95%CI: 11.3-44.3) than in Eastern and Southern Africa (RR 5.3, 95%CI: 3.7-7.6). Annual changes in log IRRs were minimal (-0.1% 95%CI: -6.9 to +6.8%). Conclusions: Across SSA, HIV incidence among WESW remains disproportionately high compared to the total female population but showed similar rates of decline between 1990 and 2020. Improved surveillance and standardisation of approaches to obtain empirical estimates of sex worker incidence would enable a clearer understanding of whether we are on track to meet global targets for this population and better support data-driven HIV prevention programming.
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 | 0,012 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,031 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».