Association of HIV-1 load and CD4 lymphocyte count with mortality among untreated African children over one year of age
Notice bibliographique
Résumé
OBJECTIVE: To examine the association of viral load and CD4 lymphocyte count with mortality among HIV-infected children over one year of age. DESIGN: A prospective study. HIV-infected children were enrolled during the first year of life and followed for more than 2 years at the Queen Elizabeth Central Hospital in Blantyre, Malawi (southeast Africa). METHODS: Morbidity and mortality information was collected every 3 months, and physical examination and blood testing (for viral level and CD4 cell percentage) were performed every 6 months. Kaplan-Meier analyses and proportional hazards models were used to estimate survival and to examine the association of primary predictors with mortality. RESULTS: Of 155 HIV-infected children originally enrolled, 115 (74%) had viral load testing and 82 (53%) had both viral load and CD4 cell percentage testing after their first year. Among children over one year of age, significant associations were found between mortality and the log10 viral load and CD4 cell percentage in both univariate and multivariate models. Independent of the CD4 cell value, a one unit log10 increase in HIV RNA level increased the hazard of child mortality by more than twofold. Children with low CD4 cell counts (< 15%) and high viral loads (> or = 250,000 copies/ml median value) had the worst survival; children with high CD4 cell counts (> or = 15%) and low viral loads (< 250,000 copies/ml) had the best survival. CONCLUSION: As in developed countries, viral load and CD4 cell count are the main predictors of mortality among African children. Making these tests available adds to the challenges to be considered if antiviral therapies were to be adopted in these countries.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».