African, Caribbean, or Black participants report lower levels of STI/HIV risk but equal or higher rates of STI/HIV diagnoses: The GetaKit.ca study
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
The COVID-19 pandemic and the HIV epidemic have both highlighted the need of race/ethnicity-based data to inform responses to infectious disease outbreaks. However, no such public health data exist in Canada. To generate some such data, we extracted data from the GetaKit.ca study, which is a website through which persons in Canada could obtain free HIV self-tests. We used data from April 1, 2021, to March 31, 2024. From 8,459 participants, of whom 16% ( n = 1240) identified as Black, we found that Black participants reported low levels of risk factors for STI/HIV acquisition. We also identified that Black compared to White participants reported lower rates of prior STI/HIV testing and prevention services, and lower overall rates of self-reported prior STI/HIV diagnoses, although this difference mainly only applied to prior chlamydia or gonorrhea infections among cis-male participants; there were no differences for the rates of self-reported prior syphilis infections (overall and in gay, bisexual, or other men who have sex with men) or chlamydia infections in cis women. Finally, diagnostic outcomes in the study identified nonsignificantly different rates of HIV diagnoses (from the HIV self-tests) but higher rates of chlamydia (from laboratory testing) among Black participants. These results highlight the need for more race/ethnicity-based data. They also suggest that current metrics of STI/HIV risk may not work well for Black populations.
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 | 0,003 |
| 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 | 0,000 | 0,001 |
| 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) | 0,002 | 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