Spatial distribution and determinants of HIV high burden in the Southern African sub-region
Notice bibliographique
Résumé
BACKGROUND: Spatial analysis at different levels can help understand spatial variation of human immunodeficiency virus (HIV) infection, disease drivers, and targeted interventions. Combining spatial analysis and the evaluation of the determinants of the HIV burden in Southern African countries is essential for a better understanding of the disease dynamics in high-burden settings. METHODS: The study countries were selected based on the availability of demographic and health surveys (DHS) and corresponding geographic coordinates. We used multivariable regression to evaluate the determinants of HIV burden and assessed the presence and nature of HIV spatial autocorrelation in six Southern African countries. RESULTS: The overall prevalence of HIV for each country varied between 11.3% in Zambia and 22.4% in South Africa. The HIV prevalence rate was higher among female respondents in all six countries. There were reductions in prevalence estimates in most countries yearly from 2011 to 2020. The hotspot cluster findings show that the major cities in each country are the key sites of high HIV burden. Compared with female respondents, the odds of being HIV positive were lesser among the male respondents. The probability of HIV infection was higher among those who had sexually transmitted infections (STI) in the last 12 months, divorced and widowed individuals, and women aged 25 years and older. CONCLUSIONS: Our research findings show that analysis of survey data could provide reasonable estimates of the wide-ranging spatial structure of the HIV epidemic in Southern African countries. Key determinants such as individuals who are divorced, middle-aged women, and people who recently treated STIs, should be the focus of HIV prevention and control interventions. The spatial distribution of high-burden areas for HIV in the selected countries was more pronounced in the major cities. Interventions should also be focused on locations identified as hotspot clusters.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».