Prevenção do HIV entre adolescentes marginalizados: resultados e perspectivas do PrEP1519
Bibliographic record
Abstract
Considerada uma das principais medidas atualmente disponíveis para a prevenção do HIV, a profilaxia pré-exposição (PrEP) tem sido adotada desde 2017 no Brasil como parte de uma estratégia mais ampla para populações em alto risco de infecção.A alta eficácia e a relativa facilidade de implementação têm motivado o emprego da PrEP nos mais variados contextos e situações ao redor do mundo.No entanto, a ausência de diretrizes brasileiras para a implementação da PrEP junto a adolescentes menores de 18 anos de idade embasou a realização do estudo PrEP1519 a partir de 2018.Essa pesquisa é uma coorte conduzida em três grandes cidades do país (Belo Horizonte, São Paulo e Salvador) com adolescentes homens que fazem sexo com homens (AHSH) e adolescentes mulheres transexuais e travestis (AMTrT), entre 15-19 anos de idade, que visou determinar a efetividade da PrEP nesses segmentos populacionais 1 .Desde o início, em 2018, o PrEP1519 foi concebido a partir de uma perspectiva interdisciplinar e multiprofissional, fundamentado na produção e análise de dados qualitativos e quantitativos.Também foi uma prioridade para os idealizadores da investigação o recrutamento de uma amostra diversa de participantes, considerando identidade de gênero, classe, raça e experiências de violência ou discriminação.Esse compromisso com a diversidade e a inclusão assegurou que os resultados obtidos fossem representativos e relevantes para as populações mais vulneráveis à infecção pelo HIV.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.046 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.010 | 0.010 |
| Insufficient payload (model declined to judge) | 0.010 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".