Additional file 3 of Mapping age- and sex-specific HIV prevalence in adults in sub-Saharan Africa, 2000–2018
Notice bibliographique
Résumé
Additional file 3: Supplemental figures.Figure S1. Prevalence of male circumcision. Figure S2. Prevalence of signs and symptoms of sexually transmitted infections. Figure S3. Prevalence of marriage or living as married. Figure S4. Prevalence of partner living elsewhere among females. Figure S5. Prevalence of condom use during most recent sexual encounter. Figure S6. Prevalence of sexual activity among young females. Figure S7. Prevalence of multiple partners among males in the past year. Figure S8. Prevalence of multiple partners among females in the past year. Figure S9. HIV prevalence predictions from the boosted regression tree model. Figure S10. HIV prevalence predictions from the generalized additive model. Figure S11. HIV prevalence predictions from the lasso regression model. Figure S12. Modeling regions. Figure S13. Age- and sex-specific vs. adult prevalence modeling. Figure S14. Data sensitivity. Figure S15. Model specification validation. Figure S16. Modeled and re-aggregated adult prevalence comparison. Figure S17. HIV prevalence raking factors for males. Figure S18. HIV prevalence raking factors for females. Figure S19. Age-specific HIV prevalence in males, 2000. Figure S20. Age-specific HIV prevalence in females, 2000. Figure S21. Age-specific HIV prevalence in males, 2005. Figure S22. Age-specific HIV prevalence in females, 2005. Figure S23. Age-specific HIV prevalence in males, 2010. Figure S24. Age-specific HIV prevalence in females, 2010. Figure S25. Age-specific HIV prevalence in males, 2018. Figure S26. Age-specific HIV prevalence in females, 2018. Figure S27. Age-specific uncertainty interval range estimates in males, 2000. Figure S28. Age-specific uncertainty interval range estimates in females, 2000. Figure S29. Age-specific uncertainty interval range estimates in males, 2005. Figure S30. Age-specific uncertainty interval range estimates in females, 2005. Figure S31. Age-specific uncertainty interval range estimates in males, 2010. Figure S32. Age-specific uncertainty interval range estimates in females, 2010. Figure S33. Age-specific uncertainty interval range estimates in males, 2018. Figure S34. Age-specific uncertainty interval range estimates in females, 2018. Figure S35. Change in HIV prevalence in males, 2000-2005. Figure S36. Change in HIV prevalence in females, 2000-2005. Figure S37. Change in HIV prevalence in males, 2005-2010. Figure S38. Change in HIV prevalence in females, 2005-2010. Figure S39. Change in HIV prevalence in males, 2010-2018. Figure S40. Change in HIV prevalence in females, 2010-2018. Figure S41. Space mesh for geostatistical models.
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 | 0,001 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,742 | 0,105 |
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 ».