New HIV Infections Among Key Populations and Their Partners in 2010 and 2022, by World Region: A Multisources Estimation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Previously, The Joint United Nations Programme on HIV/AIDS estimated proportions of adult new HIV infections among key populations (KPs) in the last calendar year, globally and in 8 regions. We refined and updated these, for 2010 and 2022, using country-level trend models informed by national data. METHODS: Infections among 15-49 year olds were estimated for sex workers (SWs), male clients of female SW, men who have sex with men (MSM), people who inject drugs (PWID), transgender women (TGW), and non-KP sex partners of these groups. Transmission models used were Goals (71 countries), AIDS Epidemic Model (13 Asian countries), Optima (9 European and Central Asian countries), and Thembisa (South Africa). Statistical Estimation and Projection Package fits were used for 15 countries. For 40 countries, new infections in 1 or more KPs were approximated from first-time diagnoses by the mode of transmission. Infection proportions among nonclient partners came from Goals, Optima, AIDS Epidemic Model, and Thembisa. For remaining countries and groups not represented in models, median proportions by KP were extrapolated from countries modeled within the same region. RESULTS: Across 172 countries, estimated proportions of new adult infections in 2010 and 2022 were both 7.7% for SW, 11% and 20% for MSM, 0.72% and 1.1% for TGW, 6.8% and 8.0% for PWID, 12% and 10% for clients, and 5.3% and 8.2% for nonclient partners. In sub-Saharan Africa, proportions of new HIV infections decreased among SW, clients, and non-KP partners but increased for PWID; elsewhere these groups' 2010-to-2022 differences were opposite. For MSM and TGW, the proportions increased across all regions. CONCLUSIONS: KPs continue to have disproportionately high HIV incidence.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle