Exploring Dynamic Changes in HIV-1 Molecular Transmission Networks and Key Influencing Factors: Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: The HIV-1 molecular network is an innovative tool, using gene sequences to understand transmission attributes and complementing social and sexual network studies. While previous research focused on static network characteristics, recent studies' emphasis on dynamic features enhances our understanding of real-time changes, offering insights for targeted interventions and efficient allocation of public health resources. OBJECTIVE: This study aims to identify the dynamic changes occurring in HIV-1 molecular transmission networks and analyze the primary influencing factors driving the dynamics of HIV-1 molecular networks. METHODS: We analyzed and compared the dynamic changes in the molecular network over a specific time period between the baseline and observed end point. The primary factors influencing the dynamic changes in the HIV-1 molecular network were identified through univariate analysis and multivariate analysis. RESULTS: A total of 955 HIV-1 polymerase fragments were successfully amplified from 1013 specimens; CRF01_AE and CRF07_BC were the predominant subtypes, accounting for 40.8% (n=390) and 33.6% (n=321) of the specimens, respectively. Through the analysis and comparison of the basic and terminal molecular networks, it was discovered that 144 sequences constituted static molecular networks, and 487 sequences contributed to the formation of dynamic molecular networks. The findings of the multivariate analysis indicated that the factors occupation as a student, floating population, Han ethnicity, engagement in occasional or multiple sexual partnerships, participation in anal sex, and being single were independent risk factors for the dynamic changes observed in the HIV-1 molecular network, and the odds ratio (OR; 95% CIs) values were 2.63 (1.54-4.47), 1.83 (1.17-2.84), 2.91 (1.09-7.79), 1.75 (1.06-2.90), 4.12 (2.48-6.87), 5.58 (2.43-12.80), and 2.10 (1.25-3.54), respectively. Heterosexuality and homosexuality seem to exhibit protective effects when compared to bisexuality, with OR values of 0.12 (95% CI 0.05-0.32) and 0.26 (95% CI 0.11-0.64), respectively. Additionally, the National Eight-Item score and sex education experience were also identified as protective factors against dynamic changes in the HIV-1 molecular network, with OR values of 0.12 (95% CI 0.05-0.32) and 0.26 (95% CI 0.11-0.64), respectively. CONCLUSIONS: The HIV-1 molecular network analysis showed 144 sequences in static networks and 487 in dynamic networks. Multivariate analysis revealed that occupation as a student, floating population, Han ethnicity, and risky sexual behavior were independent risk factors for dynamic changes, while heterosexuality and homosexuality were protective compared to bisexuality. A higher National Eight-Item score and sex education experience were also protective factors. The identification of HIV dynamic molecular networks has provided valuable insights into the characteristics of individuals undergoing dynamic alterations. These findings contribute to a better understanding of HIV-1 transmission dynamics and could inform targeted prevention strategies.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».