Evolving Failures in the Delivery of Human Immunodeficiency Virus Care: Lessons From a Ugandan Meningitis Cohort 2006–2016
Notice bibliographique
Résumé
Abstract Background Because of investments in human immunodeficiency virus (HIV) care in sub-Saharan Africa, the number of people aware of their status and receiving antiretroviral therapy (ART) has increased; however, HIV/acquired immune deficiency syndrome (AIDS) mortality still remains high. Methods We performed retrospective analysis of 3 sequential prospective cohorts of HIV-infected Ugandan adults presenting with AIDS and meningitis from 2006 to 2009, 2010 to 2012, and 2013 to 2016. Participants were categorized as follows: (1) unknown HIV status; (2) known HIV+ without ART; (3) known HIV+ with previous ART. We further categorized 2006 and 2013 cohort participants by duration of HIV-status knowledge and of ART receipt. Results We screened 1353 persons with suspected meningitis. Cryptococcus was the most common pathogen (63%). Over the decade, we observed an absolute increase of 37% in HIV status knowledge and 59% in antecedent ART receipt at screening. The 2006 cohort participants were new/recent HIV diagnoses (65%) or known HIV+ but not receiving ART (35%). Many 2013 cohort participants were new/recent HIV diagnoses (34%) and known HIV+ with <1 month ART (20%), but a significant proportion were receiving ART 1–4 months (11%) and >4 months (30%). Four percent of participants discontinued ART. From 2010 to 2016, meningitis cases per month increased by 33%. Conclusions Although improved HIV screening and ART access remain much-needed interventions in resource-limited settings, greater investment in viral suppression and opportunistic infection care among the growing HIV-infected population receiving ART is essential to reducing ongoing AIDS mortality.
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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».