Understanding the uptake of HIV testing among women in Liberia: the role of female genital mutilation/cutting
Notice bibliographique
Résumé
Past studies show that the processes of female genital mutilation/cutting (FGM/C) on women can increase their susceptibility to HIV infection. This is because genital tears or ruptures, scars and wounds from FGM/C may expose survivors to heightened risks of contracting sexually transmitted infections, including HIV, if they engage in unsafe sexual practices. Hence, there is the need to promote HIV screening and testing among this population. Yet, in Liberia, there is a dearth of studies exploring the uptake of HIV testing among women who have experienced FGM/C. To understand this relationship, we used the 2019–2020 Liberia Demographic and Health Survey (LDHS) and employed logistic regression analysis to answer the following questions: (1) Are FGM/C survivors less likely to have been tested for HIV compared to non-FGM/C women; and (2) How does this disparity in the uptake of HIV testing differ by women’s marital status? We found that survivors of FGM/C were less likely to have been tested for HIV than non-FGM/C women, even after accounting for theoretically relevant variables (OR = 0.83, p < 0.01). In response to our second question, we found that survivors of FGM/C who were formerly married were less likely to have been tested for HIV compared to their non-FGM/C counterparts (OR = 0.48, p < 0.01). These findings highlight the importance of trauma-informed HIV prevention strategies in Liberia, and the need for policymakers to take a holistic approach to addressing the challenges that FGM/C survivors, especially formerly married women, may face in accessing HIV prevention and testing services, and to work towards creating a more inclusive and supportive environment for all at-risk groups.
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».