An Updated Systematic Review and Meta-analysis on the Treatment of Active Tuberculosis in Patients With HIV Infection
Notice bibliographique
Résumé
BACKGROUND: Human immunodeficiency virus (HIV) infection increases the risk of poor outcomes in active tuberculosis. We updated a systematic review and meta-analysis assessing the effects of duration of rifamycins, schedule of dosing, and antiretroviral therapy (ART) on failure, relapse, death during treatment, and acquired drug resistance (ADR) in patients with HIV and active tuberculosis. METHODS: We searched for randomized control trials (RCTs) and observational studies published between January 2008 and November 2011. We pooled risk differences (RD) from RCTs comparing rifampin for ≥9 months and 6 months. Within strata of the 3 treatment covariates, we calculated pooled risks and adjusted odds ratios (aORs) using outcomes from RCTs and observational studies. RESULTS: After screening 2293 citations, 7 studies were added in the update. Risk of relapse was lowered with rifampin treatment for ≥9 months compared with 6 months (pooled RD = -9.1%; 95% CI, -16.5, -1.8). Odds of relapse were higher with shorter durations of rifamycins (aOR 2 vs ≥8 months = 5.0 [1.9, 13.2]; 6 vs ≥8 months = 2.4 [1.2, 5.0]) and in the absence of ART (aOR = 14.3, [2.1, 97.8]). Post hoc meta-regression restricted to arms with ART demonstrated no associations between rifamycin duration, dosing schedule, and outcomes. CONCLUSIONS: In patients with HIV and active tuberculosis, ART reduces the risk of TB relapse. Use of rifamycins for ≥8 months and daily dosing in the intensive phase also improve TB treatment outcomes; however, a paucity of evidence makes their importance less clear for patients on ART. There is an urgent need to increase the number of coinfected patients receiving ART.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,003 |
| 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 | 0,000 |
| 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 ».