Outcomes in patients waiting for antiretroviral treatment in the Free State Province, South Africa: prospective linkage study
Notice bibliographique
Résumé
OBJECTIVE: In South Africa, many HIV-infected patients experience delays in accessing antiretroviral therapy (ART). We examined pretreatment mortality and access to treatment in patients waiting for ART. DESIGN: Cohort of HIV-infected patients assessed for ART eligibility at 36 facilities participating in the Comprehensive HIV and AIDS Management (CHAM) program in the Free State Province. METHODS: Proportion of patients initiating ART, pre-ART mortality and risk factors associated with these outcomes were estimated using competing risks survival analysis. RESULTS: Forty-four thousand, eight hundred and forty-four patients enrolled in CHAM between May 2004 and December 2007, of whom 22 083 (49.2%) were eligible for ART; pre-ART mortality was 53.2 per 100 person-years [95% confidence interval (CI) 51.8-54.7]. Median CD4 cell count at eligibility increased from 87 cells/μl in 2004 to 101 cells/μl in 2007. Two years after eligibility an estimated 67.7% (67.1-68.4%) of patients had started ART, and 26.2% (25.6-26.9%) died before starting ART. Among patients with CD4 cell counts below 25 cells/μl at eligibility, 48% died before ART and 51% initiated ART. Men were less likely to start treatment and more likely to die than women. Patients in rural clinics or clinics with low staffing levels had lower rates of starting treatment and higher mortality compared with patients in urban/peri-urban clinics, or better staffed clinics. CONCLUSIONS: Mortality is high in eligible patients waiting for ART in the Free State Province. The most immunocompromised patients had the lowest probability of starting ART and the highest risk of pre-ART death. Prioritization of these patients should reduce waiting times and pre-ART mortality.
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 | 0,001 |
| 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 ».