Severe mental illness at <scp>ART</scp> initiation is associated with worse retention in care among <scp>HIV</scp>‐infected <scp>U</scp>gandan adults
Notice bibliographique
Résumé
OBJECTIVE: The impact of severe mental illness (SMI) on retention in HIV care remains uncertain. We aimed to measure the association between SMI at antiretroviral therapy (ART) initiation and subsequent retention in care in HIV-infected Ugandan adults. METHOD: We conducted cohort study of 773 patients who initiated ART between January 2005 and July 2009 at the Butabika HIV clinic in Kampala, Uganda. SMI was defined as any clinically diagnosed organic brain syndrome, affective disorder or psychotic disorder. We used Kaplan-Meier and Cox proportional hazards analysis to evaluate the association between SMI and retention in care. RESULTS: The prevalence of SMI at ART initiation was 23%. Patients with SMI at baseline were similar to those without SMI in terms of age (median [IQR]: 35 [28-40] vs. 35 [30-40], P = 0.03), sex (36% vs. 35% female, P = 0.86) and baseline CD4+ T-cell count (112 [54-175] vs. 120 [48-187] cells/mm3, P = 0.86). At 12 months after ART initiation, Kaplan-Meier estimates of continuous retention in care were 65% (95% confidence interval, CI: 31-39%) among patients without SMI, vs. 47% (95% CI: 39-55%) among those with SMI (P < 0.001). All-cause mortality in the two groups was similar: 1.2% vs. 2.0% (P > 0.05). In multivariable analysis, the only baseline variable independently associated with breakage of continuous care was SMI (HR = 1.58, 95% CI: 1.06─2.33). CONCLUSIONS: Severe mental illness at ART initiation is associated with worse retention in HIV care in this urban Ugandan referral hospital. As ART is scaled up across sub-Saharan Africa, greater attention must be paid to the burden of mental illness and its impact on retention in care.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».