Risk factors for excess mortality and death in adults with tuberculosis in Western Kenya
Notice bibliographique
Résumé
OBJECTIVES: To evaluate excess mortality and risk factors for death during anti-tuberculosis treatment in Western Kenya. METHODS: We abstracted surveillance data and compared mortality rates during anti-tuberculosis treatment with all-cause mortality from a health and demographic surveillance population to obtain standardised mortality ratios (SMRs). Risk factors for excess mortality were obtained using a relative survival model, and for death during treatment using a proportional hazards regression model. RESULTS: The crude mortality rate during anti-tuberculosis treatment was 18.0 (95%CI 16.8-19.2) per 100 person-years. The age and sex SMR was 8.8 (95%CI 8.2-9.4). Excess mortality was greater in human immunodeficiency virus (HIV) positive TB patients (excess hazard ratio [eHR] 2.1, 95%CI 1.5-3.1), and lower in patients who were female or started treatment in a later year. Mortality was high in patients with unknown HIV status (HR 2.9, 95%CI 2.2-3.8) or, if HIV-positive, not on antiretroviral treatment (ART; HR 3.3, 95%CI 2.5-4.5) or not known to be on ART (HR 2.8, 95%CI 2.1-3.7). The attributable fraction of incomplete uptake of HIV testing and ART on mortality was 31% (95%CI 15-45) compared to HIV-positive patients on ART. CONCLUSION: Increasing the uptake of HIV testing and ART would further reduce mortality during anti-tuberculosis treatment by an estimated 31%.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».