HIV incidence and risk factors for seroconversion among female sex workers and single mothers in a 10-year prospective cohort
Notice bibliographique
Résumé
OBJECTIVE: To compare HIV incidence among female sex workers (FSW) and single mothers, and to determine the factors associated with seroconversion among both populations. DESIGN: Prospective cohort conducted in Lusaka and Ndola, Zambia between 2012 and 2022. METHODS: Study staff recruited FSW from common sex work locales and recruited single mothers from postnatal infant vaccination clinics. Enrolled participants were HIV-negative, aged 18-45, and identified as either a FSW or single mother. We measured HIV incidence and assessed associated factors using Poisson regression with adjusted rate ratios (aRRs) and 95% confidence intervals (CIs). RESULTS: The study enrolled 2539 women (1533 FSW and 1006 single mothers). HIV incidence was not statistically different for FSW (3.24 per 100 person-years; 95% CI: 2.63-3.95) and single mothers (2.64 per 100 person-years; 95% CI: 2.00-3.43). Factors associated with HIV seroconversion were positive syphilis (aRR: 2.03; 95% CI: 1.46-2.83) and trichomonas (aRR: 1.48; 95% CI: 1.06-2.06) diagnoses, inconsistent condom use (aRR: 1.60; 95% CI: 1.06-2.40), and greater than 6months follow-up time in the study (aRR: 2.45; 95% CI: 1.52-3.94). CONCLUSIONS: Single mothers share similar HIV risk to FSW, and both populations require targeted interventions. For single mothers, government postnatal clinics should combine comprehensive sexual education with screening and treatment for syphilis and trichomoniasis. For FSW, we recommend integrated and accessible interventions to prevent HIV and sexually transmitted infections. Future studies should investigate the social determinants of condom use among both FSW and single mothers.
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 | 0,000 |
| 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 ».