尼日利亚多性伴侣计数数据的地理加性潜在变量建模

总结

2005年尼日利亚全国艾滋病毒/艾滋病和生殖健康调查提供的证据表明，多重性伴侣会增加感染艾滋病毒和其他性传播疾病的风险。因此，减少伙伴关系是实现制止和扭转艾滋病毒/艾滋病传播的千年发展目标的预防战略之一。我们将NARHS研究中报告的异性恋男性的女友、临时伴侣和商业伴侣的数量作为他们对多重伴侣潜在态度的观察指标。为了探讨风险因素对这一潜在变量的影响，我们将具有连续和分类指标的潜在变量模型的半参数方法扩展到包括计数指标。这使我们能够同时分析协变量的线性和非线性影响，例如社会人口因素和关于艾滋病毒/艾滋病的知识，对多重性伴侣的态度，这反过来又影响可观察的计数指标。这些结果为旨在通过减少合作伙伴减少艾滋病毒和艾滋病在尼日利亚民众中传播的决策者提供了见解。

1.简介

尼日利亚产前诊所孕妇艾滋病毒和艾滋病哨点调查显示，艾滋病毒感染率已从2001年的5.8%（峰值）降至2005年的4.4%（联邦卫生部（FMOH）[尼日利亚]，2006a）然而，由于全国流行率在1.6%至10.0%之间，各州之间存在显著差异。尼日利亚仍然普遍流行，高危人群的感染率高达31.0%(FMOH，2008年). 尼日利亚联邦政府与合作伙伴合作，制定了各种减轻艾滋病毒感染影响的方案，以实现到2015年制止和扭转艾滋病毒/艾滋病传播的千年发展目标。

与多个伴侣（如配偶、男/女朋友、临时伴侣和商业伴侣）进行异性性交，对性健康和生殖健康，包括艾滋病毒和其他性传播感染（STI）的传播具有重大影响。尼日利亚2005年全国艾滋病毒/艾滋病和生殖健康调查（NARHS）提供了这一事实的经验证据（见FMOH[尼日利亚]，2006年b). HIV的异性传播风险很大程度上取决于稳定关系之外的性行为，这可能是婚前或婚外性行为(Ahlburg、Jensen和Perez，1997年). 因此，减少伙伴关系是旨在减少艾滋病毒和艾滋病传播的预防战略之一。

在撒哈拉以南非洲和许多其他发展中国家，一夫多妻制抑制了艾滋病毒预防的影响，并促进了艾滋病毒的传播。例如，请参阅莫里斯（2002）乌干达。根据世界卫生组织的建议，在非正式性交和商业性交期间应始终使用避孕套(Adetunji和Meekers，2001年). 然而，在有承诺感和信任感的长期关系中，很少持续使用避孕套(2003年洪水;Meekers、Klein和Foyet，2003年;赫斯特和陈，2004年). 因此，除了在非洲持续使用避孕套和其他预防艾滋病毒的方法外，还应协调公共卫生工作，以解决一次有多个性伴侣的危险。这些可能对艾滋病毒预防产生重要影响。

在本文中，我们使用2005年尼日利亚NARHS的数据，调查个人和人口因素，如年龄、首次性交年龄、居住地、艾滋病毒/艾滋病传播方式和预防知识等对异性恋男性多重伴侣态度的影响。我们认为对多重伴侣的态度是一个潜在变量，不同类型的性伴侣数量是可观察的指标。为了分析NARHS关于这些因素和指标的数据，我们对计数指标使用了地理加性潜在变量模型，该模型允许在半参数贝叶斯方法中建模线性和非线性协变量效应以及地理效应。该模型扩展了最近针对混合连续和分类指标的地质加性潜在变量模型(Fahrmeir和Raach，2007年)以包括计数指示符。与分类指标一样，推理基于辅助高斯响应的数据增强方法。遵循以下想法Frühwirth-Schnatter和Wagner（2006）在计数数据的状态空间模型的背景下，（条件）泊松测量模型被转换，并通过基本泊松过程的对数间隔时间的高斯混合模型进行近似。将此数据增强步骤嵌入到中的马尔可夫链蒙特卡罗（MCMC）算法中Fahrmeir和Raach（2007）在带有（条件）泊松指标的半参数潜在变量模型中，为贝叶斯推断提供了近似但高度准确的吉布斯抽样。Web附录A中概述了更多详细信息，而完整的详细信息则在未发布的技术报告中进行了描述(Fahrmeir和Steinert，2006年). 该方法允许使用混合连续、分类和计数指标分析地质加性潜在变量模型，并在R-Package的MCMCpack中实现。

我们在尼日利亚和其他实行多重性伴侣的国家进行艾滋病毒/艾滋病研究的方法的一些优点是：确定更容易感染艾滋病毒/艾滋病和其他性传播疾病的关键目标群体，并为这些不同的目标群体确定适当的干预措施。因此，该条为决策者提供了一种科学、客观和有效的方法，用于分配艾滋病毒/艾滋病预防干预方面的稀缺资源。

文章结构如下：第2节更详细地描述了数据。第3节概述了统计方法。数据分析和结果讨论见第4节。本文总结于第5节。Web附录提供了有关MCMC推理的更多技术细节，用于第3节.

2.NARHS数据

NARHS是尼日利亚第一个具有全国代表性的艾滋病毒和艾滋病调查。根据概率多级抽样技术选择合格的调查对象（男性15-64岁，女性15-49岁）。调查协议由技术委员会和调查管理委员会制定和管理，而道德审批则由相应的机构审查委员会授予。从符合条件的受访者那里获得了拇指印刷的书面同意（对于识字的受访者）和口头同意（对于非识字的受访者）。正如调查协议所载，强调并确保了受访者提供的信息的保密性。有关测量协议的详细描述，请参见FMOH[尼日利亚]（2006年b）.

根据非洲文化，男性自我报告婚外性行为可能比女性更可靠。Olowo-Freers和Barton（1992）认为这可能是女性此类活动实际水平的真实反映，但也可能是社会规范导致报告不足的结果。因此，我们将本文中的所有分析仅限于男性受访者。为了本文的目的，根据原始数据创建了一个数据库，用于调查前12个月内发生过性行为的15至64岁异性恋男性。

在本文中，不同性伴侣的数量和类型构成了可观察的结果变量，被视为对多重伴侣态度的指标调查对象过去12个月内的性伴侣数量来自NARHS问卷的性史部分。调查问卷还包括有关性行为的信息、有关艾滋病毒/艾滋病知识的问题以及个人和人口特征。

我们探讨了以下个人和人口统计学变量对多重性伴侣关系的影响：调查时被调查者的年龄（以年为单位）、首次性行为时的报告年龄（以岁为单位），居住地的停留时间（以年计）、婚姻状况、教育程度、宗教信仰、所在地（农村/城市）、，调查对象在调查前的最后12个月内是否离家一个月以上，以及被调查者居住的尼日利亚州。网状物图1NARHS研究中包含的其他协变量包括有关艾滋病毒/艾滋病传播模式和预防模式的知识、有关性病的知识以及艾滋病无法治愈的知识。本文使用了艾滋病规划署传播方式综合指标，即知道艾滋病毒可以通过性交、输血、母亲向未出生的孩子传播、共用剃须刀和针头等尖锐物体传播的受访者。表1对分析中包含的变量进行了详细描述。在参与调查的4962名男性受访者中，只有3174人在调查前12个月发生过性行为。有关的信息初交年龄仅适用于2945名受访者，导致7.2%的调查结果缺失。对于其他协变量，我们有以下很小的缺失比例：停留时间2.9%，离家1.8%，婚姻状况2.2%，教育程度0.9%。列表删除只导致2632个完整案例，因此似乎可以通过一些插补方法解决缺失问题。最关键或最不利影响的协变量是初交年龄.

为了解决缺失问题，使用AMELIA II进行了多重插补(http://gking.harvard.edu/amalia/)第页，共页Honaker、King和Blackwell（2009年）,King等人（2001）插补的完整描述见网络附录B。

对完整病例数据和插补数据的分析表明，这两个数据集的结果几乎无法区分；参见Web附录B和Web图3-7。因此，我们选择以2632个样本的完整病例数据为基础报告研究结果。

3.计数指标的地质添加剂潜在变量模型

我们的分析基于灵活的地质加性潜在变量模型(地质LVM)，其中观察到的结果或指标是计数变量年_j个,j个= 1, … ,第页在NARHS研究中，我们考虑第页=3个指标：男/女朋友数量、临时伴侣数量和商业伙伴数量。通常，LVM由矢量的测量模型组成年=年₁, … ,年_第页指标，取决于一个或多个常见的潜在变量或因素v（v）₁, … ,v（v）_q个，其中q个<第页以及将潜在变量与协变量向量相关联的结构回归模型。我们的地质LVM遵循Fahrmeir和Raach（2007），其中年是混合高斯指标和分类指标的向量，结构模型是半参数地质加性回归模型。基本上，我们通过计数数据的泊松测量模型替换了他们的高斯或分类测量模型，并基于中建议的数据增强技巧扩展了他们的吉布斯采样器Frühwirth-Schnatter和Wagner（2006）.

3.1测量模型

让年_ij公司表示指示器的观测值年_j个,j个=1，第页、和v（v）_我标量的不可观测值(q个=1）潜在变量v（v），针对个人我= 1, … ,n个.条件启用v（v）_我，我们分析中使用的基本测量模型是对数泊松模型

我= 1, … ,n个,j个= 1, … ,第页.英寸(1), α_j个是截距项，λ_j个是一个“因子负荷”，表示潜在变量和计数指标之间的关系强度年_j个在我们的文章中，我们将潜在变量视为“对多重合作的态度”模型(1)可以通过合并协变量和多个协变量进行扩展(q个>1）预测因子。然后，速率μ的对数线性模型_ij公司概括为

哪里u个_我是系数为α的协变量的向量_j个（包括截距α_j个0),v（v）_我=v（v）_我1, … ,v（v）_智商,q个<第页，是潜在变量的向量，λ_j个= (λ_j个1, … , λ_jq公司)′是因子载荷的对应向量。请注意(1)和（2）通过添加线性效应λ′扩展对数线性模型的常用线性预测器_j个v（v）_我共同的潜在变量。

3.2结构模型

通常，结构模型将潜在变量与协变量向量相关联x个_我通过线性模型。对于一个潜在变量，这是一个线性高斯回归

带有i.i.d.误差δ_我∼N个(0, 1). 出于可识别性的原因，线性预测器不得包含截距项，并且误差方差设置为1。潜在线性模型(3)假设协变量的影响可以用线性形式表示。然而，在我们的研究中，连续的协变量，如年龄、第一性别的年龄和在一个地区的停留时间，被认为具有非线性影响。此外，我们希望通过将被调查者居住的尼日利亚州作为空间协变量来探讨地理效应。因此，我们扩展了线性回归模型(3)到地质加性回归模型

哪里（f）₁, … ,（f）_k个是附加连续协变量效应的非线性函数z（z）₁, … ,z（z）_k个和（f）_地理(秒_我)是地区或州的地理效应秒_我∈{1, …,S公司}，索引S公司地理区域，如S公司=尼日利亚36个州加上联邦首都地区。为了确保可识别性，函数以零为中心。地质加性模型（4）的形式与半参数LVM中的形式相同，其中测量模型用于混合高斯和类别响应Fahrmeir和Raach（2007），可以扩展到q个>1个潜在变量，完全类比。

总的来说，测量模型(1)或（2）和结构模型(3)定义我们的地质LVM用于计数指示器。插入地质添加剂结构模型(4)进入测量模型(1)，我们看到协变量x个和z（z）和空间协变量秒对可观察指标有共同但仅间接的影响年_j个,j个= 1, … ,第页，通过公共潜在变量v（v），系数载荷λ_j个充当砝码。公共潜在变量也会自动诱导指标之间的相关性。

3.3前期

对于贝叶斯推理，这是LVM最自然的概念方法，我们必须为未知参数和函数指定先验(1),（2）、和(4)为了简单起见，我们只关注一个特殊情况(q个=1）系数。我们按照Fahrmeir和Raach（2007）并假设非形成性平坦先验第页(α_j个) ∝常数、和第页(β_j个) ∝常数对于中的截距项(1)，（2）中的直接影响，以及(4).理论工作Fahrmeir和Kneib（2009年）这表明，即使在这些平坦、不恰当的先验下，后验也将是合适的，而且我们没有从经验上观察到任何问题。

对于系数载荷λ_j个我们选择信息性（半）高斯先验来防止所谓的“海伍德案例”。当一个因素完全加载到一个指标上时，海伍德案例就会出现，这是非常不可信的。因子载荷的标准正态先验是贝叶斯设置中的推荐标准选择（参见例如。，洛佩斯和韦斯特，2004年;奎因，2004年). 为了确保可识别性，我们假设λ₁>0，即先验值是半正规λ₁～N（0，1）I（λ₁>0）和λ_j个～N（0，1），j个= 2, … ,第页中描述了对多个因素的扩展Fahrmeir和Raach（2007）.

函数的优先级（f）₁, … ,（f）_k个的连续协变量通过贝叶斯P样条定义，基于Lang和Brezger（2004）和Brezger和Lang（2006）.省略索引，每个函数（f）通过线性组合表示或近似

B样条基函数。函数的平滑度（f）通过惩罚相邻B样条曲线系数的差异来实现(艾尔斯和马克思，1996年)或者，在我们的贝叶斯方法中，通过假设一阶或二阶高斯随机游动平滑先验

有身份证错误u个_第页～N（0，τ²). 方差τ²控制平滑度（f）.指定弱信息的逆Gamma先验τ²~IG（د，د），دsmall，它是与基函数系数联合估计的。

对于地理影响（f）_地理(秒),秒= 1, … ,S公司，我们假设高斯马尔可夫随机场先验，即，

哪里N个(秒)是区域集秒'是的邻居（共享共同边界）秒和n个_秒邻居的数量。因此，空间效应的条件先验期望（f）_地理(秒)是相邻效应的平均值，以及方差τ²_地理控制空间效果的平滑度。基本上，这是二维空间阵列之前的一阶随机游动的扩展，参见Rue and Hold（2005年）一般信息和Fahrmeir和Raach（2007）在…的背景下地理LVM.

完全贝叶斯推断是通过吉布斯抽样结合泊松响应的近似但高度准确的辅助高斯混合变量方法进行的，该方法是在Frühwirth-Schnatter和Wagner（2006）技术报告中描述了所有Gibbs步骤的详细信息(Fahrmeir和Steinert，2006年); Web附录中给出了大纲。

3.4模型选择问题

对于具有连续和分类指标以及线性结构模型的LVM，Sammel、Ryan和Legler（1997）提供动机和一些指导，说明哪些协变量可以保留在测量模型中，哪些协变量应该归入结构模型。对于经典高斯因子分析，洛佩斯和韦斯特（2004）实证研究了基于贝叶斯因子、偏差信息准则（DIC）和可逆跳跃MCMC的贝叶斯模型评估。目前，没有用于模型检查和诊断的自动化纯数据驱动工具可用于决定此处考虑的计数指标半参数LVM中的此问题和其他模型选择问题。可以根据MCMC输出计算DIC的（条件）版本，但其用于LVM中模型选择的属性尚未得到很好的研究。更一般地说，在这里考虑的半参数LVM中开发正式的模型评估是可取的。然而，这项研究仍处于早期阶段。例如，在（广义）线性模型中，使用收缩或尖峰和板坯先验的贝叶斯变量选择(George和McCulloch，1997年;Ishwaran和Rao，2005年)看起来很有吸引力，但到目前为止还没有开发LVM的扩展。

因此，模型选择问题是基于实质性推理和更非正式的统计论证。例如，从实用的角度来看，最好将尽可能多的协变量归入结构模型。这导致了使用较少参数的更为简约的模型，并将允许解释指标之间的关联性和可变性年通过潜在变量作用的共同效应。

我们当前的策略如下：我们将单独的（单变量）地理加性回归模型拟合到每个结果年_j个,j个= 1, … ,第页主要使用DIC在竞争模型之间进行选择，例如包括协变量或决定线性和非线性效应。然后，我们将具有类似效果或模式的协变量归入结构模型，而其余的则保留在测量模型中。同样，我们得出的结论是，由于多级抽样设计，没有必要考虑额外的聚类效应：在单独的地质加性泊松模型中包含聚类效应会导致更高的DIC值。此外，协变量效应几乎相同。

4.数据分析和结果

4.1分析

为了探讨个人因素、人口因素和风险因素对多重性伴侣态度的影响，我们基于表1因此，只有以下问题与建模过程相关：测量模型中是否应保留协变量？仅通过一个潜在因素解释其余协变量对所有四种类型伙伴关系的影响是否合理且可行？由于配偶/同居伴侣，也许还有女友的类型在艾滋病毒/艾滋病风险因素方面似乎不同于普通伴侣和商业伴侣，因此出现了以下问题：我们是否应该基于两个潜在因素而不是一个？或者我们应该在申请地质LVM仅限于其余类型？

为了解决这些问题，我们遵循了中概述的模型选择策略第3.4节对四种类型的性伴侣中的每一种进行的单独分析表明，婚姻状况对这四种类型都有很大的不同影响，应该将其视为一个“抵消”变量，纳入测量模型中。结果还表明，连续协变量停留时间的影响可以假设为线性。此外，艾滋病毒/艾滋病相关因素对配偶/同居伴侣数量的影响要小得多，甚至不显著，非线性影响的模式与其他类型的相应模式有些不同。首次尝试用所有四个指标和一个共同的潜在因素分析数据，证实了这一观察结果：配偶/同居指标的因子负荷接近于零，表明该因素只对其余三种类型的性伴侣数量产生显著影响。另一方面，有两个潜在因素的分析导致了不收敛的马尔可夫链，这可能是由于可识别性较弱。最后，我们决定只考虑类型的数量年₁-女朋友，年₂-临时合伙人，以及年_三-商业伙伴作为一个共同的潜在因素“对多重性伴侣的态度”的指标。这导致地质LVM使用测量模型

其中α_j个0对应于参考类别“从未结婚”和α的影响_j个1, α_j个2是0,1个虚拟变量的（附加）影响调频,厘米分别用于“以前结婚”和“现在结婚”类别。最终结构模型的预测值为

中讨论的适当先验信息第3.3节假设所有未知参数和函数。例如，具有10个等距节点的三次贝叶斯P样条（f）₁和20节（f）₂假设。为了估计非线性和空间效应的平滑参数，将高度分散但适当的逆伽马超优先级分配给它们。超参数一,b条，被系统地改变。结果发现类似。因此，对于这个案例研究，具有超参数的方差分量的反伽马先验一=b条=0.001。所有分析均使用R-Package的MCMCpack中的MCMCm功能进行。在一台3.0 GHz的机器上，分析耗时29分41秒。

4.2结果

表2–4分别给出因子载荷、直接和间接参数效应的结果。显示了每个参数的后验均值、标准偏差和95%可信区间。发件人表2我们发现，潜在因素对所有三个指标都有影响。然而，商业和临时合作伙伴的因子负荷要高得多。在解释结构模型的参数和非参数效应对指标的影响时，必须考虑到这一点年₁,年₂、和年_三在测量模型中。

发件人表3，我们得到了婚姻状况的以下影响。截距项0.6621、−2.0866和1.1113表示参考类别“从未结婚”对年₁,年₂、和年_三。通过将直接影响的各自估计值添加到截距项中，即可获得“先前已婚”和“目前已婚”的影响表3（但请注意表3对于“以前结婚”来说并不重要。）例如，“目前结婚”的影响分别为−2.0808、−1.4807和−1.1014。这意味着，目前已婚的影响与女性朋友的平均数量减少显著相关。

潜在变量结构模型的间接线性效应如所示表4解释这些间接线性效应对指标的影响年₁,年₂、和年_三，必须将特定影响β乘以相应的因子载荷λ₁, λ₂、和λ_三分别是。对采样值进行此操作，我们可以获得产品λ的估计值以及分位数等₁β, λ₂β、 和λ_三β. 结果显示在Web上表1例如艾滋病无法治愈的知识潜在变量“对多重合作的态度”为-0.6296（参见表4). 这意味着，艾滋病无法治愈的知识大大降低了拥有多个伴侣的态度的价值。对指标的间接影响年₁可以从Web上读取表1as−0.1897：这意味着艾滋病无法治愈的知识具有显著的负面影响，与女朋友伴侣的平均数量显著减少相关。以类似的方式年₂和年_三分别为−0.7664和−0.9412。这表明：艾滋病无法治愈的知识与平均女朋友数量、休闲人数和商业伙伴数量的减少显著相关。对其他协变量影响的解释是类似的。例如，考虑到宗教的影响，基督教对潜在变量的影响为-1.7004(表4)和−0.5164开年₁这意味着作为一个基督徒有着显著的负面影响，与参考类别“无”/“传统”相比，女朋友伴侣的平均数量减少了。总之，这表明基督教与女性朋友的平均数量、休闲人数和商业伙伴数量的减少有着显著的联系。伊斯兰教的重要性方向与基督教相似，但绝对值更高。这也表明，与参考类别“无”/“传统”相比，伊斯兰与女性朋友的平均数量、休闲人数和商业伙伴数量的减少有显著关联。考虑到教育程度的影响，所有三个水平在提高拥有多个伴侣的态度方面的作用大致相同。

另一方面，对传播方式、预防方式的了解，以及一个外表健康的人可能是艾滋病毒阳性者，与女友、临时性伴侣和商业性伴侣的平均数量增加没有显著相关性。这需要加强和改进干预措施，因为对传播方式和预防方式的了解并不能转化为采取更安全的性行为，尤其是在减少伴侣的情况下。这些发现与文献报道的类似。例如，请参见FMOH[尼日利亚]（2003,2006年b,2008).

关注数据中连续协变量的非线性效应，图1ab提供了关于受访者年龄和初性年龄的非线性影响的研究结果。图1a显示了受访者年龄的近似二次曲线。显然，年龄的影响是非线性的，而对线性影响的假设会导致错误和虚假的结论。图1b研究表明，在28岁左右之前，人们对拥有多个伴侣的态度大大提高，随后30岁以上的女性朋友的平均数量稳步下降。受访者初恋年龄的影响在25岁之前几乎呈线性下降，而在25岁之后保持不变。

拟合模型的空间效果结果显示在图1c和d该图显示了尼日利亚各地对多重性伴侣的态度存在着巨大的地域差异。虽然一些州与性伴侣数量的增加显著相关，但一些州与性伴数量的减少显著相关。图1d展示了空间效应的重要性图。白色显示的状态具有正可信区间，黑色显示的状态有负可信区间，而灰色显示的状态的可信区间包括0（零）。Adamawa州、Ebonyi州、Kaduna州和Ondo州与女友、临时伴侣和商业伴侣数量增加显著相关，而Delta州和Edo州在控制其他协变量后与性伴侣数量减少相关。在其他灰色状态下，空间效应不显著。

5.讨论结果和结论

在撒哈拉以南非洲和其他发展中国家，许多男性（和女性）有多个同时性伴侣。与一个以上伴侣的性关系大大增加了感染艾滋病毒的风险，多伴侣关系的做法往往被强调为艾滋病毒在这些地区传播的一个主要因素。与临时性伴侣和商业性伴侣进行无保护性行为会大大增加感染艾滋病毒和其他性传播疾病的风险。研究发现，包括长期关系在内的多种并发伙伴关系是艾滋病毒流行的驱动力。在本文中，我们建议使用计数数据的地理加性潜在变量建模来探索尼日利亚性伴侣数量和可能的协变量之间的可能联系。这种分析方法通过联合调整可能的地理变化、非线性影响、直接影响、，间接影响以及指标的因子负荷。据我们所知，以前还没有研究过计数数据的潜在变量模型，尤其是在广义加性上下文中加入空间成分时。

这项研究的目的是为决策者提供工具，以加强适当和有效的艾滋病毒预防和干预战略的设计。先前的研究表明，受访者的年龄可能是多个性伴侣的风险因素。在本文中，调查对象的年龄与性伴侣的数量和类型显著相关。显然，这种关系是非线性的（参见图1a). 此外，正如其他研究所发现的那样，首次性交时的年龄与性伴侣的数量显著相关。Santelli等人（1998年）研究发现，首次性交时年轻是有一个以上性伴侣的风险因素。在我们的研究中，初交年龄的影响与多个性伴侣呈非线性相关。对于不同类型的性伴侣，这种影响在28岁左右大致对称。25岁以下首次性交的受访者更有可能拥有多个女友、休闲伴侣和商业伴侣。

考虑到调查前12个月在尼日利亚受访者中进行的非正式和商业性性行为的水平，艾滋病毒规划人员、政府和其他利益相关者需要共同制定有效的艾滋病毒预防计划，以减少多重并发性伙伴关系。这篇文章的研究结果揭示了宗教对多重伴侣态度的差异。虽然官方上伊斯兰教义允许男人娶四个妻子，但它不鼓励非婚姻性行为。这并不是说基督徒不实行一夫多妻制；然而，它在基督徒中并不普遍。

空间效应明显表明，多种伴侣的选择因地理位置不同而不同，即尼日利亚各州。已婚受访者更有可能增加女友和临时伴侣的平均数量。

总之，本文的研究结果为政策制定提供了见解。包括尼日利亚在内的撒哈拉以南非洲国家在实施必要干预战略方面面临的主要挑战是资源匮乏。这往往导致国家（包括尼日利亚）依赖捐助方资金，而在实施艾滋病毒预防和干预战略时，这些资金有时是不可持续的。这篇文章为政策制定者提供了工具，以加强关于预防艾滋病毒/艾滋病的适当政策制定；这也有助于将资源分配给那些资源非常需要并且可以有效利用的州或地区。在确定需要加强预防工作以减少性伴侣的州时，受影响州的决策者必须确保维持与性伴侣数量较少相关的州中性伴侣数量少的州的需要。这可能导致设计HIV/AIDS行为维持干预措施。此外，这种分析方法将支持决策者、艾滋病毒/艾滋病规划人员和国际捐助者科学地确定适当干预措施的优先次序，为艾滋病毒/艾滋病实施者创造适当的环境，并提供资金支持。

6.补充资料

第2、4和5节中引用的Web附录、表和图可在生物计量学网站http://www.biometrics.tibs.org补充文件还包括对所进行的多重插补分析的描述。

鸣谢

作者感谢尼日利亚联邦卫生部为本文发布这些数据。我们感谢I.Simms准备这份手稿。我们感谢两位匿名审稿人和副主编的宝贵意见，这些意见有助于改进这份手稿。

工具书类