Geographic Variations in Retention in Care among HIV-Infected Adults in the United States
Notice bibliographique
Résumé
OBJECTIVE: To understand geographic variations in clinical retention, a central component of the HIV care continuum and key to improving individual- and population-level HIV outcomes. DESIGN: We evaluated retention by US region in a retrospective observational study. METHODS: Adults receiving care from 2000-2010 in 12 clinical cohorts of the North American AIDS Cohort Collaboration on Research and Design (NA-ACCORD) contributed data. Individuals were assigned to Centers for Disease Control and Prevention (CDC)-defined regions by residential data (10 cohorts) and clinic location as proxy (2 cohorts). Retention was ≥2 primary HIV outpatient visits within a calendar year, >90 days apart. Trends and regional differences were analyzed using modified Poisson regression with clustering, adjusting for time in care, age, sex, race/ethnicity, and HIV risk, and stratified by baseline CD4+ count. RESULTS: Among 78,993 adults with 444,212 person-years of follow-up, median time in care was 7 years (Interquartile Range: 4-9). Retention increased from 2000 to 2010: from 73% (5,000/6,875) to 85% (7,189/8,462) in the Northeast, 75% (1,778/2,356) to 87% (1,630/1,880) in the Midwest, 68% (8,451/12,417) to 80% (9,892/12,304) in the South, and 68% (5,147/7,520) to 72% (6,401/8,895) in the West. In adjusted analyses, retention improved over time in all regions (p<0.01, trend), although the average percent retained lagged in the West and South vs. the Northeast (p<0.01). CONCLUSIONS: In our population, retention improved, though regional differences persisted even after adjusting for demographic and HIV risk factors. These data demonstrate regional differences in the US which may affect patient care, despite national care recommendations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».