All-cause mortality in HIV-positive adults starting combination antiretroviral therapy
Notice bibliographique
Résumé
OBJECTIVE: To estimate mortality in HIV-positive patients starting combination antiretroviral therapy (ART) and to discuss different approaches to calculating correction factors to account for loss to follow-up. METHODS: A total of 222 096 adult HIV-positive patients who started ART 2009-2014 in clinics participating in the International epidemiology Databases to Evaluate AIDS collaboration in 43 countries in sub-Saharan Africa, Asia Pacific, Latin America, and North America were included. To allow for underascertainment of deaths due to loss to follow-up, two correction factors (one for the period 0-6 months on ART and one for later periods) or 168 correction factors (combinations of two sexes, three time periods after ART initiation, four age groups, and seven CD4 groups) based on tracing patients lost in Kenya and data linkages in South Africa were applied. Corrected mortality rates were compared with a worst case scenario assuming all patients lost to follow-up had died. RESULTS: Loss to follow-up differed between regions; rates were lowest in central Africa and highest in east Africa. Compared with using two correction factors (1.64 for the initial ART period and 2.19 for later), applying 168 correction factors (range 1.03-4.75) more often resulted in implausible mortality rates that exceeded the worst case scenario. Corrected mortality rates varied widely, ranging from 0.2 per 100 person-years to 54 per 100 person-years depending on region and covariates. CONCLUSION: Implausible rates were less common with the simpler approach based on two correction factors. The corrected mortality rates will be useful to international agencies, national programmes, and modellers.
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 | 0,000 |
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 ».