HIV incidence among women engaging in sex work in sub-Saharan Africa: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Women who engage in sex work in sub-Saharan Africa have a high risk of acquiring HIV infection. HIV incidence has declined among all women in sub-Saharan Africa, but trends among women who engage in sex work are poorly characterised. We synthesised data on HIV incidence among women who engage in sex work in sub-Saharan Africa and compared these with the total female population to understand relative incidence and trends over time. METHODS: We searched MEDLINE, Embase, Global Health, and Google Scholar from Jan 1, 1990, to Feb 28, 2024, and grey literature for studies that reported empirical estimates of HIV incidence among women who engage in sex work in any sub-Saharan Africa country. We calculated incidence rate ratios (IRRs) compared with total female population incidence estimates matched for age, district, and year, did a meta-analysis of IRRs, and used a continuous mixed-effects model to estimate changes in IRR over time. FINDINGS: From 32 studies done between 1985 and 2020, 2194 new HIV infections were observed among women who engage in sex work over 51 490 person-years. Median HIV incidence was 4·3 per 100 person years (IQR 2·8-7·0 per 100 person-years). Incidence among women who engage in sex work was eight times higher than matched total population women (IRR 7·8 [95% CI 5·1-11·8]), with larger relative difference in western and central Africa (19·9 [9·6-41·0]) than in eastern and southern Africa (4·9 [3·4-7·1]). There was no evidence that IRRs changed over time (IRR per 5 years: 0·9 [0·7-1·2]). INTERPRETATION: Across sub-Saharan Africa, HIV incidence among women who engage in sex work remains disproportionately high compared with the total female population. However, constant relative incidence over time indicates HIV incidence among women who engage in sex work has declined at a similar rate. Location-specific data for women who engage in sex work incidence are sparse, but improved surveillance and standardisation of incidence measurement approaches could fill these gaps. Sustained and enhanced HIV prevention for women who engage in sex work is crucial to address continuing inequalities and ensure declines in new HIV infections. FUNDING: Bill & Melinda Gates Foundation, UK Research and Innovation, National Institutes of Health. TRANSLATION: For the French translation of the abstract see Supplementary Materials section.
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 | 0,014 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,000 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».