Determinants of Early and Late Mortality Among HIV-Infected Individuals Receiving Home-Based Antiretroviral Therapy in Rural Uganda
Notice bibliographique
Résumé
BACKGROUND: Up to 20% of people initiating antiretroviral therapy (ART) in sub-Saharan Africa die during the first year of treatment. Understanding the clinical conditions associated with mortality could potentially lead to effective interventions to prevent these deaths. METHODS: We examined data from participants aged ≥18 years in the Home-Based AIDS Care project in Tororo, Uganda, to describe mortality over time and to determine clinical conditions associated with death. Survival analysis was used to examine variables associated with mortality at baseline and during follow-up. RESULTS: A total of 112 (9.4%) deaths occurred in 1132 subjects (73% women) during a median of 3.0 years of ART. Mortality was 15.9 per 100 person-years during the first 3 months and declined to 0.3 per 100 person-years beyond 24 months after ART initiation. Tuberculosis (TB) was the most common condition associated with death (21% of deaths), followed by Candida disease (15%). In 43% of deaths, no specific clinical diagnosis was identified. Deaths within 3 months after ART initiation were associated with World Health Organization clinical stage III or IV at baseline, diagnosis of TB at baseline, a diagnosis of a non-TB opportunistic infection in follow-up and a body mass index ≤17 kg/m² during follow-up. Mortality after 3 months of ART was associated with CD4 cell counts <200 cells per microliter, a diagnosis of TB or other opportunistic infection, adherence to therapy <95%, and low hemoglobin levels during follow-up. CONCLUSION: Potentially remediable conditions and preventable infections were associated with mortality while receiving ART in Uganda.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».