Mortality by baseline CD4 cell count among HIV patients initiating antiretroviral therapy: evidence from a large cohort in Uganda
Notice bibliographique
Résumé
OBJECTIVE: Evaluations of CD4 cell count and other prognostic factors on the survival of HIV patients in sub-Saharan Africa are extremely limited. Funders have been reticent to recommend earlier initiation of treatment. We aimed to examine the effect of baseline CD4 cell count on mortality using data from HIV patients receiving combination antiretroviral therapy (cART) in Uganda. DESIGN: Observational study of patients aged at least 14 years enrolled in 10 clinics across Uganda for which The AIDS Support Organization (TASO) has data. METHODS: CD4 cell count was stratified into categories (<50, 50-99, 100-149, 150-199, 200-249, 250-299, ≥300 cells/μl) and Cox proportional hazards regression was used to model the associations between CD4 cell count and mortality. RESULTS: A total of 22 315 patients were included. 1498 patients died during follow-up (6.7%) and 1433 (6.4%) of patients were lost to follow-up. Crude mortality rates (CMRs) ranged from 53.8 per 1000 patient-years [95% confidence interval (CI) 48.8-58.8] among those with CD4 cell counts of less than 50, to 15.7, (95% CI 12.1-19.3) among those with at least 300 cells/μl. Relative to a baseline CD4 cell count of less than 50 cells/μl, the risk of mortality was 0.75 (95% CI 0.65-0.88), 0.60 (95% CI 0.51-0.70), 0.43 (0.37-0.50), and 0.41 (0.33-0.51) for those with baseline CD4 cell counts of 50-99, 100-149, 150-249, and ≥250 cells/μl, respectively. CONCLUSION: Earlier initiation of cART is associated with increased survival benefits over deferred treatment.
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 | 0,000 |
| 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) | 0,002 | 0,001 |
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 ».