HIV phylogenetic clusters point to unmet hiv prevention, testing and treatment needs among men who have sex with men in kenya
Notice bibliographique
Résumé
BACKGROUND: The HIV epidemic in Kenya remains a significant public health concern, particularly among gay, bisexual, and other men who have sex with men (GBMSM), who continue to bear a disproportionate burden of the epidemic. This study's objective is to describe HIV phylogenetic clusters among different subgroups of Kenyan GBMSM, including those who use physical hotspots, virtual spaces, or a combination of both to find male sexual partners. METHODS: Dried blood spots (DBS) were collected from GBMSM in Kisumu, Mombasa, and Kiambu counties, Kenya, in 2019 (baseline) and 2020 (endline). HIV pol sequencing was attempted on all seropositive DBS. HIV phylogenetic clusters were inferred using a patristic distance cutoff of ≤ 0.02 nucleotide substitutions per site. We used descriptive statistics to analyze sociodemographic characteristics and risk behaviors stratified by clustering status. RESULTS: Of the 2,450 participants (baseline and endline), 453 (18.5%) were living with HIV. Only a small proportion of seropositive DBS specimens were successfully sequenced (n = 36/453; 7.9%), likely due to most study participants being virally suppressed (87.4%). Among these sequences, 13 (36.1%) formed eight distinct clusters comprised of seven dyads and one triad. The clusters mainly consisted of GBMSM seeking partners online (n = 10/13; 76.9%) and who tested less frequently than recommended by Kenyan guidelines (n = 11/13; 84.6%). CONCLUSIONS: Our study identified HIV phylogenetic clusters among Kenyan GBMSM who predominantly seek sexual partners online and test infrequently. These findings highlight potential unmet HIV prevention, testing, and treatment needs within this population. Furthermore, these results underscore the importance of tailoring HIV programs to address the diverse needs of GBMSM in Kenya across different venues, including both physical hotspots and online platforms, to ensure comprehensive prevention and care 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 | 0,000 | 0,001 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».