共查询到20条相似文献,搜索用时 156 毫秒
1.
目的 估计成都市多区域高等院校学生男男性行为(men who have sex with men, MSM)人群规模,为学生艾滋病防控提供科学依据。方法 通过社会组织招募高校学生志愿者,利用MSM社交软件Blued定位搜索,收集全市33所高校学生MSM在线情况,采用捕获-再捕获方法估计MSM人群规模。结果 成都市活跃于社交网络的高校学生规模数为1084人(95%CI:1041~1127),软件登记使用人数为8401人(95%CI:8311~8491)。成都市高校男学生中有2.08%使用过MSM社交软件,0.27%为MSM社交软件在线活跃的学生群体。被调查高校登记使用社交软件的学生MSM人群规模数最大1273人(95%CI:1204~1342),最小38人(95%CI:32~45)。结论 成都市高校学生中使用男男社交软件的MSM具有一定规模,尤其是在成华区、双流区和郫都区等高校集中的区域,需采取相应的网络干预措施。 相似文献
2.
目的 估计成都市男男性行为人群(MSM)规模,为预测艾滋病流行趋势和调整防治策略提供科学依据。方法 应用乘数法原理结合MSM手机交友软件进行估计,以连续10 d内在成都地区范围内登录该软件人数的平均值作为记录数(r),通过网络和现场调查了解MSM人群同时期内登录过软件比例的倒数作为乘数(m),r与m相乘即为成都市MSM人群估计数。结果 成都市MSM人群规模为68 258人,高值为115 898人,占全市15~59岁男性人口比例的1.2%~2.0%。结论 以手机交友软件为目标机构的乘数法估计结果基本反映了成都市MSM人群规模。 相似文献
3.
目的 估计深圳市男男性行为者(Men who have sex with men, MSM)规模,为进一步开展艾滋病疫情估计提供人群规模数据。方法 采用滚雪球抽样的方法,在深圳市MSM活动的酒吧、夜总会、浴室等场所,招募384名研究对象。采用乘数法公式(N=r×m)估计深圳市MSM规模。通过与男性社交软件Blued所属软件公司合作,线上统计连续1周内各天登陆过软件的人数,即为乘数法中的参数r;通过开展现场调查,收集调查对象在连续1周内各天登陆过Blued 6.5.6软件的比例,该比例的倒数即为乘数法中的参数m。结果 深圳市MSM规模估计为130050人(95%CI:127517~132583)。有深圳市户籍的MSM人数为23669(95%CI=23208~24130),无深圳市户籍的MSM人数为106381(95%CI=104309~108453);流动的MSM人数为13525(95%CI=13262~13789),常住的MSM人数为116525(95%CI=114255~118794);性取向为同性的MSM人数为88044(95%CI=86329~89759),性取向为异性的MSM人数为7153(95%CI=7013~7292),性取向为双性的MSM人数为25100(95%CI=24611~25589),性取向为不确定的MSM人数为9884(95%CI=9691~10076);为同性提供过商业性服务的MSM人数为16907(95%CI=16577~17236)。结论 利用乘数法结合男性社交软件估计MSM的人群规模具有一定的可行性和可信性,值得推广。 相似文献
4.
《健康教育与健康促进》2015,(3)
目的估计上海市男男性行为者(MSM)人群规模。方法采用乘数法对MSM人群进行人群规模的基数估计。通过手机交友软件调查,获取乘数法的重要参数"r"和"m"。用滚雪球的方法招募现场调查对象,并对调查对象开展面对面问卷调查。结果乘数法估计出上海市MSM人群规模的基数为95 618人。结论本市基于手机交友软件和现场调查的乘数法的MSM人群规模估计方法,能满足方法的应用条件,可信度较高。 相似文献
5.
乘数法估计上海市男男性接触者人群规模 总被引:6,自引:2,他引:6
目的估计上海市男男性接触者(MSM)人群规模。方法应用乘数法,选择两家上海市知名MSM网站作为目标机构,通过网络问卷调查确定规定时期内登录网站者中的全部MSM人数(r)。对上海市MSM人群开展专题抽样调查了解MSM人群中同时期内登录过上述网站的比例数,取此比例的倒数获得乘数(m)。r与m相乘即为上海市MSM人群估计数。结果以A网站为目标机构时MSM人群规模为398433,以B网站为目标机构时MSM人群规模为370755,MSM人群估计数分别占上海市15~49岁男性成年人1217.1%和6.6%。结论以MSM网站为目标机构的乘数法估计MSM人群规模是可行的,但应充分考虑调查样本的代表性。 相似文献
6.
《中国公共卫生》2020,(8)
目的基于网络规模迭加法(NSUM)估计山东省潍坊市潍城区男男性行为者(MSM)人群规模,为艾滋病高危人群的防控提供理论依据。方法于2018年8—12月采用多阶段随机抽样方法在潍坊市潍城区抽取3 185名社区居民进行问卷调查,应用NSUM估计潍城区一般人群的社交网络规模(c),并根据c和调查对象认识的MSM人数及认可程度、规模比和传递率估计和校正潍城区MSM人群的规模。结果通过稳定性分析,经性别、年龄、文化程度、婚姻状况、居住时间的校正及异常值剔除后使用NSUM估计潍城区MSM人群规模为1 036人,经规模比和传递率对MSM规模的校正后,最终估计结果为4 054人。结论采用NSUM对潍城区MSM人群规模进行估计具有推广价值。 相似文献
7.
目的利用网络规模迭加法估计重庆市男男性行为者(MSM)人群规模。方法法采用多阶段随机抽样的方法在重庆市开展社区人群的问卷调查,利用网络规模迭加法估计重庆市一般人群的社交网络规模(C),进而根据社交网络规模和调查对象认识MSM的人数及歧视程度,估计和调整重庆市MSM人群的规模。结果重庆市居民的社交网络规模平均为330人,不同区县(P结论论网络规模迭加法是一种全新的人群规模估计方法,具有简便和快捷的特性及一定的推广价值。 相似文献
8.
了解杭州市三大高教园大学生使用同性社交软件情况并估计使用社交网络学生男男性行为人群(men who have sex with men,MSM)规模,为开展针对MSM大学生的艾滋病防控工作提供依据.方法 2017年4月15日,选取杭州市滨江、下沙、小和山三大高教园区合适的地点,分3组开展调研,并对登陆同性社交软件的男同性恋大学生开展计数,7d以后重复此过程,通过对比个人信息,确定2次计数均被计入的调查对象,采用捕获—再捕获法计算使用社交网络学生MSM人群规模.结果 杭州市使用社交网络学生MSM人群规模约为2 636人(95%CI=2 522~2 750),平均年龄为(20.75±2.00)岁,平均体重为(63.58±11.82) kg,平均身高为(175.86±8.89) cm.在性角色分类中,插入和被插入均可的有400人(21.11%),被插入方405人(21.39%),插入方280人(14.78%),保密或未填809人(42.72%).结论 同性社交软件为应用捕获—再捕获方法估计男同性恋学生人群基数提供了新手段,也为高校开展对男同性恋青年学生的宣教工作提供了载体.新媒体技术在高校艾滋病防控工作中的作用值得深入研究. 相似文献
9.
《职业与健康》2015,(21)
目的估计上海市男男性行为者(MSM)人群规模,探讨更适合上海市MSM规模的基数估计方法。方法采用捕获-标记-再捕获法和乘数法对目标人群进行人群规模的基数估计。通过网络调查,获取上述两种方法的重要参数。用滚雪球的方法招募现场调查对象,并对调查对象进行面对面问卷调查。结果捕获-标记-再捕获法估计出上海市MSM规模的基数为86 883人(95%的可信区间(CI)为36 260~137 506人);乘数法估计出上海市MSM规模的基数为95 618人。结论乘数法和捕获-标记-再捕获法在MSM基数估计的运用过程中,均基本满足各自的应用条件,调查结果相近,可信度较高。 相似文献
10.
目的 探讨捕获-再捕获方法不同标记物对估计MSM规模的影响.方法 2013年3-7月应用捕获-再捕获法,间隔半个月,分别从网络和现场调查前后2次捕获MSM,第一次网络捕获时设置了2种不同的标记物,采用Chapman等提出的无偏估计公式估计北京地区MSM人群规模.结果 使用第一种标记物估计的北京地区MSM规模为239 258人(95%CI:48 932~429 584).使用第二种标记物估计的北京地区MSM规模为115 731人(95%CI:78 153~ 153 309).结论 标记物不同,估计的北京地区MSM人群规模相差很大,使用捕获-再捕获原理进行特定人群规模估计时应慎重选择标记物. 相似文献
11.
12.
13.
14.
15.
16.
Background
Measurement of prevalence and incidence of infections in a hard to reach population like men who have sex with men (MSM) is hampered by its unknown size and regional distribution. Population-based surveys have recently been used to estimate the total number of MSM, but these surveys are usually not large enough to measure regional differences in the proportion of MSM in the population. We explored the use of the proportional regional distribution of participants of large internet-based surveys among MSM from Germany to estimate the regional distribution of MSM in Germany. 相似文献17.
18.
19.
20.