Clinical outcomes of <scp>HIV</scp>‐infected patients with <scp>K</scp>aposi's sarcoma receiving nonnucleoside reverse transcriptase inhibitor‐based antiretroviral therapy in <scp>U</scp>ganda
Notice bibliographique
Résumé
BACKGROUND: Clinical outcomes for patients with Kaposi's sarcoma (KS) using nonnucleoside reverse transcriptase inhibitor (NNRTI)-based highly active antiretroviral therapy (HAART) in resource-limited settings have not previously been described. METHODS: We evaluated HIV-infected patients aged ≥ 18 years, who initiated HAART in the Home-Based AIDS Care (HBAC) project in Tororo, Uganda, between May 2003 and February 2008 and were diagnosed with KS at baseline or during follow-up. We examined independent risk factors for having either prevalent or incident KS and risk factors for death among patients with KS. RESULTS: Of 1121 study subjects, 17 (1.5%) were diagnosed with prevalent KS and 18 (1.6%) with incident KS over a median of 56.1 months of follow-up. KS was associated with male sex [adjusted odds ratio (AOR) 2.41; 95% confidence interval (CI) 1.20-4.86] and baseline CD4 cell count < 50 cells/μL (AOR 3.25; 95% CI 1.03-10.3). Eleven (65%) of 17 patients with prevalent KS and 13 (72%) of 18 patients with incident KS experienced complete regression (P = 0.137). Eighteen (64%) of 28 patients who remained on NNRTI-based HAART experienced regression of their KS and six (86%) of seven patients who were switched to protease inhibitor-containing HAART regimens had regression of their KS (P = 0.23). Mortality among those with KS was significantly associated with visceral disease (hazard ratio 19.22; 95% CI 2.42-152). CONCLUSION: Prevalent or incident KS was associated with 30% mortality. The resolution of KS lesions among individuals who initiated HAART with NNRTI-based regimens was similar to that found in studies using only protease inhibitor-based HAART.
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 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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».