Male gender predicts mortality in a large cohort of patients receiving antiretroviral therapy in Uganda
Notice bibliographique
Résumé
BACKGROUND: Because men in Africa are less likely to access HIV/AIDS care than women, we aimed to determine if men have differing outcomes from women across a nationally representative sample of adult patients receiving combination antiretroviral therapy in Uganda. METHODS: We estimated survival distributions for adult male and female patients using Kaplan-Meier, and constructed multivariable regressions to model associations of baseline variables with mortality. We assessed person-years of life lost up to age 55 by sex. To minimize the impact of patient attrition, we assumed a weighted 30% mortality rate among those lost to follow up. RESULTS: We included data from 22,315 adults receiving antiretroviral therapy. At baseline, men tended to be older, had lower CD4 baseline values, more advanced disease, had pulmonary tuberculosis and had received less treatment follow up (all at p < 0.001). Loss to follow up differed between men and women (7.5 versus 5.9%, p < 0.001). Over the period of study, men had a significantly increased risk of death compared with female patients (adjusted hazard ratio 1.43, 95% CI 1.31-1.57, p < 0.001). The crude mortality rate for males differed importantly from females (43.9, 95% CI 40.7-47.0/1000 person-years versus 26.9, 95% CI 25.4-28.5/1000 person years, p < 0.001). The probability of survival was 91.2% among males and 94.1% among females at 12 months. Person-years of life lost was lower for females than males (689.7 versus 995.9 per 1000 person-years, respectively). CONCLUSIONS: In order to maximize the benefits of antiretroviral therapy, treatment programmes need to be gender sensitive to the specific needs of both women and men. Particular efforts are needed to enroll men earlier into 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».