MétaCan
Menu
Retour à la cohorte
Enregistrement W2605019743 · doi:10.1097/qai.0000000000001394

Association of CD4+ T-cell Count, HIV-1 RNA Viral Load, and Antiretroviral Therapy With Kaposi Sarcoma Risk Among HIV-infected Persons in the United States and Canada

2017· article· en· W2605019743 sur OpenAlexaboutno aff
Robert Dubrow, Qin Li, Haiqun Lin, Raúl Ulises Hernández‐Ramírez, Romain Neugebauer, Wendy A. Leyden, Keri N. Althoff, Chad J. Achenbach, Nancy A. Hessol, Sharada P. Modur, Gypsyamber DʼSouza, Ronald J. Bosch, Surbhi Grover, Michael A. Horberg, Mari M. Kitahata, Ángel M. Mayor, Richard Novák, Charles S. Rabkin, Timothy R. Sterling, James J. Goedert, Amy C. Justice, Eric A. Engels, Richard D. Moore, Michael J. Silverberg

Notice bibliographique

RevueJAIDS Journal of Acquired Immune Deficiency Syndromes · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueViral-associated cancers and disorders
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Center for Research ResourcesNational Institute on Minority Health and Health DisparitiesNational Center for Advancing Translational SciencesNational Institute of Allergy and Infectious DiseasesNational Institute on AgingNational Eye InstituteNational Institute on Drug AbuseNational Institute of Mental HealthNational Institute on Alcohol Abuse and AlcoholismNational Cancer InstituteNational Institutes of Health
Mots-clésViral loadHazard ratioMedicineProportional hazards modelConfidence intervalCohortInternal medicineCohort studyMulticenter AIDS Cohort StudyImmunologyRisk factorHuman immunodeficiency virus (HIV)Antiretroviral therapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Kaposi sarcoma (KS) remains common among HIV-infected persons. To better understand KS etiology and to help target prevention efforts, we comprehensively examined a variety of CD4 T-cell count and HIV-1 RNA viral load (VL) measures, as well as antiretroviral therapy (ART) use, to determine independent predictors of KS risk. SETTING: North American AIDS Cohort Collaboration on Research and Design. METHODS: We followed HIV-infected persons during 1996-2009 from 18 cohorts. We used time-updated Cox regression to model relationships between KS risk and recent, lagged, trajectory, and cumulative CD4 count or VL measures, as well as ART use. We used Akaike's information criterion and global P values to derive a final model. RESULTS: In separate models, the relationship between each measure and KS risk was highly significant (P < 0.0001). Our final mutually adjusted model included recent CD4 count [hazard ratio (HR) for <50 vs. ≥500 cells/μL = 12.4; 95% confidence interval (CI): 6.5 to 23.8], recent VL (HR for ≥100,000 vs. ≤500 copies/mL = 3.8; 95% CI: 2.0 to 7.3), and cumulative (time-weighted mean) VL (HR for ≥100,000 vs. ≤500 copies/mL = 2.5; 95% CI: 1.0 to 5.9). Each P-trend was <0.0001. After adjusting for these measures, we did not detect an independent association between ART use and KS risk. CONCLUSIONS: Our results suggested a multifactorial etiology for KS, with early and late phases of development. The cumulative VL effect suggested that controlling HIV replication promptly after HIV diagnosis is important for KS prevention. We observed no evidence for direct anti-KS activity of ART, independent of CD4 count and VL.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,225
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAIDS Journal of Acquired Immune Deficiency SyndromesMême sujetViral-associated cancers and disordersTravaux en français237 207