<scp>HIV</scp> molecular network in Mexico City (2021–2022): Understanding transmission dynamics through the role of newly diagnosed cases
Notice bibliographique
Résumé
OBJECTIVE: We aimed to infer and describe Mexico City's HIV genetic transmission network from 2021 through 2022 by characterizing its members based on time since HIV acquisition, as well as sociodemographic, clinical, and behavioural characteristics. Additionally, we assessed clustering potential according to time since HIV acquisition. METHODS: Individuals with a recent HIV diagnosis at the largest HIV clinic in Mexico City were invited to participate, completing self-administered questionnaires on sociodemographic, clinical, and behavioural characteristics. Blood samples were collected for analysis of the HIV pol gene using next-generation sequencing. The stage of infection at diagnosis was determined using an algorithm that includes antibody avidity tests. Genetic transmission network analysis used the Seguro HIV-TRACE tool. RESULTS: Of 6703 participants, 561 (8.4%) were identified as people newly living with HIV (PNLH). Transmission network analysis identified 896 clusters; 30.2% had at least one PNLH. Among all individuals, 43.5% formed clusters, with 11.8% being PNLH. PNLH added to a cluster showed higher odds for higher education, engaging in commercial sex, use of dating apps, annual HIV screening, and engaging in high-risk sexual practices (p < 0.05). Clusters with PNLH exhibited greater growth rates than those without PNLH (p < 0.05). CONCLUSIONS: The presence of PNLH in clusters was associated with a higher growth rate. Tailored prevention strategies are crucial, including using dating apps for risk communication, promoting PrEP use, and safe sexual practices in sex venues, and enhancing harm reduction related to drug use. PNLH could be key candidates for interventions aimed at breaking transmission chains, including contact tracing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».