Predictors of outcome in routine care for Cryptococcal meningitis in Western Kenya: lessons for HIV outpatient care in resource-limited settings
Notice bibliographique
Résumé
PURPOSE: Cryptococcal meningitis is a leading cause of mortality among HIV-infected individuals in sub-Saharan Africa but little is known about its treatment and outcomes in decentralised HIV outpatient settings. We assessed adherence to treatment guidelines and determined predictors of survival. DESIGN: A computerised laboratory database identified HIV-infected adults with cryptococcal meningitis at Family AIDS Care and Education Services in Nyanza Province, Kenya, between 2005-2009. Medical records were reviewed. Kaplan-Meier survival curves were generated. Bivariate and multivariate Cox proportional hazards models were used to determine associations between key clinical characteristics and survival. RESULTS: Medical records were located for 79% (71/90). Mortality was 38% (27/71) over a median follow-up period of 201 days (IQR: 10-705 days). Adherence to local guidelines for treatment of cryptococcal meningitis was 48% (34/71). Higher body mass index was associated with improved survival (HR: 0.82, 95% CI (0.68 to 0.99)) even after controlling for factors such as age, CD4 cell count, receipt of highly active anti-retroviral therapy, and treatment with any anti-fungal therapy. CONCLUSIONS: Cryptococcal meningitis diagnosed in routine HIV outpatient settings is largely treated as an outpatient and adherence to treatment guidelines is poor. Body mass index is a critical independent predictor of outcome. Additional research to determine the most effective strategies to reduce premature mortality is urgently needed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».