Health-Related Quality of Life in HIV-Infected and At-Risk Women
Notice bibliographique
Résumé
PURPOSE: To assess the impact of illicit drug use and chronic hepatitis C virus (HCV) on health-related quality of life (HRQoL) in women with HIV or at risk for HIV infection. METHODS: Cross-sectional analysis of data from the Women's Interagency Health Study (WIHS) of women with HIV (n = 2508) and at high risk of HIV infection (n = 889) in the US. A Short-Form-6D (SF-6D) HRQoL measure derived from the Medical Outcomes Study-HIV (MOS-HIV) questionnaire, HIV infection status, CD4 cell count (a measure of immune status), antiretroviral treatment, current illicit drug use (heroin and/or cocaine), and HCV status were assessed at a recent study visit. We developed multivariate linear regression models adjusting for age, race/ethnicity, education, and testing for interactions. RESULTS: HIV-infected women with ≤200 CD4 cells/µL had lower mean HRQoL scores (0.69) than either HIV-infected women with >200 CD4 cells/µL (0.78) or HIV-uninfected women (0.80) (P < 0.01). In multivariate analysis, illicit drug use, chronic HCV, and low CD4 count were independently associated with lower HRQoL. There was a differential effect of HCV and illicit drug use for HIV-infected women depending on CD4 cell count: HIV-infected women with >200 CD4 cells/µL had a significantly greater reduction in HRQoL associated with illicit drug use (-0.063) and chronic HCV (-0.036) than women with ≤200 CD4 cells/µL (-0.017, -0.005 respectively). CONCLUSIONS: Poorly controlled HIV, illicit drug use, and chronic HCV are associated with lower HRQoL. Illicit drug use and chronic HCV have greater HRQoL impacts for HIV-infected women with well-controlled HIV versus those with poorly controlled HIV, which may affect clinical and policy priorities.
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 | 0,004 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».