The Combined Effect of Modern Highly Active Antiretroviral Therapy Regimens and Adherence on Mortality Over Time
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To characterize the impact of longitudinal adherence on survival in drug-naive individuals starting currently recommended highly active antiretroviral therapy (HAART) regimens. METHODS: Eligible study participants initiated HAART between January 2000 and November 2004 and were followed until November 2005 (N = 903). HAART regimens contained efavirenz, nevirapine, or ritonavir-boosted atazanavir or lopinavir. Marginal structural modeling was used to address our objective. RESULTS: The all-cause mortality was 11%. Individual adherence decreased significantly over time, with the mean adherence shifting from 79% within the first 6 months of starting HAART to 72% within the 24- to 30-month period (P value <0.01). Nonadherence over time (<95%) was strongly associated with higher risk of mortality (hazard ratio: 3.13; 95% confidence interval (CI): 1.95 to 5.05). Nonadherent (<95%) patients on nonnucleoside reverse transcriptase inhibitor (NNRTI)-based and boosted protease inhibitor-based regimens were, respectively, 3.61 times (95% CI: 2.15 to 6.06) and 3.25 times (95% CI: 1.63 to 6.49) more likely to die than adherent patients. Within the NNRTI-based regimens, nonadherent individuals on efavirenz were at a higher risk of mortality. CONCLUSIONS: Incomplete adherence to modern HAART over time was strongly associated with increased mortality, and patients on efavirenz-based NNRTI therapies were particularly at a higher risk if nonadherent. These results highlight the need to develop further strategies to help sustain high levels of adherence on a long-term basis.
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.
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) | 0,001 | 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 découle