Long-Term Health Care Interruptions Among HIV-Positive Patients in Uganda
Notice bibliographique
Résumé
BACKGROUND: Retaining patients in clinical care is necessary to ensure successful antiretroviral treatment (ART) outcomes. Among patients who discontinue care, some reenter care at a later stage, whereas others are or will be lost from follow-up. We examined risk factors for health care interruptions and loss to follow-up within a cohort receiving ART in Uganda. METHODS: Using a large hospital cohort providing free universal ART and HIV clinical care, we assessed characteristics and risk factors for treatment interruptions, defined as a 12-month absence from care at Mildmay, and loss to follow-up, defined as absence from care greater than 12 months without reengagement in care at Mildmay. We included patients aged 14 years and above. We assessed these outcomes over time using Kaplan-Meier analysis and multivariable regression. RESULTS: Of 6970 eligible patients, 784 (11.2%) had a health care interruption of at least 12 months and 217 (3.1%) were lost to follow-up. Patients experiencing health care interruptions had higher baseline CD4 T-cell counts at ART initiation, defined as ≥ 250 cells per cubic millimeter [odds ratio (OR): 1.29, 95% confidence intervals (CI): 1.11 to 1.50], and lower levels of education (OR: 1.32, 95% CI: 1.09 to 1.61). Adolescents were much more likely to be lost to follow-up (OR: 3.11, 95% CI: 2.23 to 4.34). In contrast, having a partner (OR: 0.22, 95% CI: 0.16 to 0.31) or being sexually active at baseline (OR: 0.40, 95% CI: 0.28 to 0.55) was protective of loss to follow-up. CONCLUSIONS: Within this cohort, long periods of unsupervised health care interruptions were common.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».