The impact of routine cryptococcal antigen screening on survival among <scp>HIV</scp>‐infected individuals with advanced immunosuppression in <scp>K</scp>enya
Notice bibliographique
Résumé
OBJECTIVES: To test the hypothesis that a screening and treatment intervention for early cryptococcal infection would improve survival among HIV-infected individuals with low CD4 cell counts. METHODS: Newly enrolled patients at Family AIDS Care and Education Services (FACES) in Kenya with CD4 ≤ 100 cells/μl were tested for serum cryptococcal antigen (sCrAg). Individuals with sCrAg titre ≥ 1:2 were treated with high-dose fluconazole. Cox proportional hazard models of Kaplan-Meier curves were used to compare survival among individuals with CD4 ≤ 100 cells/μl in the intervention and historical control groups. RESULTS: The median age was 34 years [IQR: 29,41], 54% were female, and median CD4 was 43 cells/μl [IQR: 18,71]. Follow-up time was 1224 person-years. In the intervention group, 66% (514/782) were tested for sCrAg; of whom, 11% (59/514) were sCrAg positive. Mortality was 25% (196/782) in the intervention group and 25% (191/771) in the control group. There was no significant difference between the intervention and control group in overall survival [hazard ratio (HR): 1.1 (95%CI:0.9,1.3)] or three-month survival [HR: 1.0 (95%CI:0.8,1.3)]. Within the intervention group, sCrAg-positive individuals had significantly lower survival rates than sCrAg-negative individuals [HR:1.8 (95%CI: 1.0, 3.0)]. CONCLUSIONS: A screening and treatment intervention to identify sCrAg-positive individuals and treat them with high-dose fluconazole did not significantly improve overall survival among HIV-infected individuals with CD4 counts ≤ 100 cells/μl compared to a historical control, perhaps due to intervention uptake rates or poor efficacy of high-dose oral fluconazole.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».