Mapping and Situation Assessment of Key Populations at High Risk of HIV in Three Cities of Afghanistan
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
As yet, little is known about the HIV \n epidemic status and potential in Afghanistan. The country \n seems to be at an early epidemic phase with low HIV \n prevalence, but there are a number of underlying \n vulnerability factors that could lead to the conditions for \n epidemic expansion, including drug trafficking, the \n post-conflict situation with displacement of populations, a \n fledgling health care system, and a low level of knowledge \n and awareness about HIV/AIDS. As in other parts of central \n and south Asia, the most important proximate determinants of \n the scale and distribution of an HIV epidemic in Afghanistan \n will be the size and characteristics of high risk networks \n involving injecting drug users (IDUs), female sex workers \n (FSWs) and men who have sex with men (MSM) who are at high \n risk. Assessments from elsewhere in central Asia indicate an \n explosive growth in injecting drug use and commercial sex \n work throughout the region, concurrent epidemics of sexually \n transmitted infections (STIs), and economic and political \n migration. As yet, little information is known about the \n size, distribution, and characteristics of IDU and sex \n worker sub-populations in Afghanistan. Therefore, the World \n Bank (WB) agreed with the Ministry of Public Health (MOPH) \n to contract with the University of Manitoba (UM) to conduct \n an assessment of these three key, high risk populations in \n three cities of Afghanistan (Mazar-i-Sharif, Jalalabad, and Kabul).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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