Characterizing retention in HAART as a recurrent event process
Notice bibliographique
Résumé
OBJECTIVE: The benefits of HAART rely on continuous lifelong treatment retention. We used linked population-level health administrative data to characterize durations of HAART retention and nonretention. DESIGN: This is a retrospective cohort study. METHODS: We considered individuals initiating HAART in British Columbia (1996-2012). An HAART episode was considered discontinued if individuals had a gap of at least 30 days between days in which medication was prescribed. We considered durations of HAART retention and nonretention separately, and used Cox proportional hazards frailty models to identify demographic and treatment-related factors associated with durations of HAART retention and nonretention. RESULTS: Six thousand one hundred fifty-two individuals were included in the analysis; 81.2% were male, 40.6% were people who inject drugs, and 42.8% initiated treatment with CD4 cell count less than 200 cells/μl. Overall, 29% were continuously retained on HAART through the end of follow-up. HAART episodes were a median 6.8 months (25th, 75th percentile: 2.3, 19.5), whereas off-HAART episodes lasted a median 1.9 months (1.2, 4.5). In Cox proportional hazards frailty models, durations of HAART retention improved over time. Successive treatment episodes tended to decrease in duration among those with multiple attempts, whereas off-HAART episodes remained relatively stable. Younger age, earlier stages of disease progression, and injection drug use were all associated with shorter durations of HAART retention and longer off-HAART durations. CONCLUSION: Metrics to monitor HAART retention, dropout, and reentry should be prioritized for HIV surveillance. Clinical strategies and public health policies are urgently needed to improve HAART retention, particularly among those at earlier stages of disease progression, the young, and people who inject drugs.
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 | 0,000 |
| 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) | 0,000 | 0,004 |
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 ».