MétaCan
Menu
Retour à la cohorte
Enregistrement W4409639410 · doi:10.1101/2025.04.20.25326123

Assessing mpox knowledge and sexual behaviours within high-risk populations in the Democratic Republic of the Congo

2025· preprint· en· W4409639410 sur OpenAlexafffund
Candice Lemaille, Megan Halbrook, Sydney Merritt, Yvon Anta, Lygie Lunyanga, Patrick Mukadi, Emmanuel V Hasivirwe Vakaniaki, Thierry Kalonji-Mukendi, Michel Kenye, Cris Kacita, Sylvie Linsuke, Isaac I. Bogoch, Müge Çevik, Gregg Gonsalves, Mikayla Hunter, Laurens Liesenborghs, Souradet Y. Shaw, Robert Shongo, Lisa E. Hensley, Nicole A. Hoff, Anne W. Rimoin, Placide Mbala‐Kingebeni, Jason Kindrachuk

Notice bibliographique

RevuemedRxiv · 2025
Typepreprint
Langueen
DomaineImmunology and Microbiology
ThématiquePoxvirus research and outbreaks
Établissements canadiensHealth Sciences CentreManitoba HealthResearch ManitobaUniversity of TorontoUniversity of Manitoba
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesCanadian Institutes of Health ResearchAgricultural Research ServiceNational Institutes of HealthU.S. Department of DefenseInternational Development Research CentreAustralian GovernmentU.S. Department of Agriculture
Mots-clésDemocracyPolitical scienceGeographyDevelopment economicsEconomicsPoliticsLaw

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Historically, the Democratic Republic of the Congo (DRC) has faced the greatest public health burden from mpox, including more than 70 000 probable cases from 1 January 2024 to 2 February 2025. However, there has been a relative paucity of investigation focused on mpox community engagement in DRC, including assessments of disease knowledge and risk perception. METHODS: Given the ongoing Clade I mpox public health emergency of international concern, and the linkage between sustained human-to-human transmission and dense sexual networks, we sought to investigate mpox knowledge and sexual behaviours among key populations. Between 20 March 2024 and 25 August 2024, we recruited 2794 participants distributed across Kinshasa, Kwango and North Kivu provinces, with a focus in urban centres where mpox risk was considered high. RESULTS: Most participants were considered other at-risk populations (948; 33.9%), followed by men who have sex with men (MSM, 828; 29.6%) and sex workers (897; 32.1%). Mpox knowledge, including transmission routes as well as sexual and health-seeking behaviours, was evaluated through questionnaires led by peer educators. Overall, only 6.1% of all participants reported prior mpox knowledge. Among this participant subset, zoonosis ('direct contact with infected animals') and 'people living in high-risk areas' were the most frequently selected options in regard to mpox transmission and populations at risk, respectively. When considering at-risk behaviours for mpox, those who identified as sex workers reported significantly higher risk sexual activities, including multiple sexual partners (80.3% of sex work participants), engaging in transactional sex (84.7%) and anonymous sex (80.8%) compared with MSM. However, both sex workers (44.8%) and MSM (56.7%) reported the highest health seeking behaviours for a suspected sexually transmitted infection. CONCLUSIONS: Our results highlight the need to evaluate knowledge in high-risk communities, especially in an endemic setting. Community engagement, which incorporates both mpox knowledge and risk perception activities, is inclusive of at-risk populations and is needed for ongoing mpox containment and mitigation efforts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,350
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetPoxvirus research and outbreaksTravaux en français237 207