Impact of Risk Factors for Specific Causes of Death in the First and Subsequent Years of Antiretroviral Therapy Among HIV-Infected Patients
Notice bibliographique
Résumé
BACKGROUND: Patterns of cause-specific mortality in individuals infected with human immunodeficiency virus type 1 (HIV-1) are changing dramatically in the era of antiretroviral therapy (ART). METHODS: Sixteen cohorts from Europe and North America contributed data on adult patients followed from the start of ART. Procedures for coding causes of death were standardized. Estimated hazard ratios (HRs) were adjusted for transmission risk group, sex, age, year of ART initiation, baseline CD4 count, viral load, and AIDS status, before and after the first year of ART. RESULTS: A total of 4237 of 65 121 (6.5%) patients died (median, 4.5 years follow-up). Rates of AIDS death decreased substantially with time since starting ART, but mortality from non-AIDS malignancy increased (rate ratio, 1.04 per year; 95% confidence interval [CI], 1.0-1.1). Higher mortality in men than women during the first year of ART was mostly due to non-AIDS malignancy and liver-related deaths. Associations with age were strongest for cardiovascular disease, heart/vascular, and malignancy deaths. Patients with presumed transmission through injection drug use had higher rates of all causes of death, particularly for liver-related causes (HRs compared with men who have sex with men: 18.1 [95% CI, 6.2-52.7] during the first year of ART and 9.1 [95% CI, 5.8-14.2] thereafter). There was a persistent role of CD4 count at baseline and at 12 months in predicting AIDS, non-AIDS infection, and non-AIDS malignancy deaths. Lack of viral suppression on ART was associated with AIDS, non-AIDS infection, and other causes of death. CONCLUSIONS: Better understanding of patterns of and risk factors for cause-specific mortality in the ART era can aid in development of appropriate care for HIV-infected individuals and inform guidelines for risk factor management.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 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 ».