Programmatic mapping and estimating the population size of female sex workers, men who have sex with men, people who inject drugs and transgender populations in Kenya
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
<ns4:p>Introduction Effective coverage of Human Immunodeficiency Virus prevention services for Key Populations (KPs) including female sex workers (FSWs), men who have sex with men (MSM), people who inject drugs (PWID) and transgender (TG) people necessitates periodic validation of physical venues and size estimates. Kenya conducted a robust size estimation of KPs in 2012 and a repeat mapping and size estimation exercise was conducted in 2018 to update KP Size Estimates and sub-typologies within each County for calculation of realistic program indicators. Methods A prospective mixed methods programmatic mapping approach adopted comprised two steps. The first step involved consolidating and documenting all known venues where KPs congregate while the second step included visiting and validating these venues confirming their active status. Data were collected in 34 out of 47 Counties in Kenya between January and March 2018. Data collected included estimated number of KPs (range), venue typology and timing of operation of each venue. Results We estimated a total number of 167,940 (129,271 to 206,609) FSWs; 32,580 (24,704 to 40,455) MSM; 16,063 (12,426 to 19,691) PWIDs and 4,305 (2,826 to 5,783) transgender people congregating at 10,250, 1,729, 401 and 1,218 venues respectively. Majority of the venues for FSW (81%), MSM (64%) and transgender people (67%) were bars with and without lodging, PWIDs were mostly found on streets and injecting dens (70%). Around 9% of FSW and MSM and11% of PWIDs were below the age of 18 years. Conclusion This study provided information on young KPs, female PWIDs, MSWs and for the first time, TG people in Kenya. The exercise updated size estimates of KPs by typology and provided new evidence for resource allocation, planning of interventions and targets. Programmatic mapping continues to be a useful approach supporting programs to achieve high levels of coverage and prioritize resources.</ns4:p>
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle