Epidemiology of autoimmune and inflammatory diseases in a French nationwide HIV cohort
Notice bibliographique
Résumé
BACKGROUND: HIV infection and inflammatory and autoimmune diseases (IADs) are both related to immune dysfunction. Epidemiological data on IAD in patients living with HIV (PLHIV) are scarce. The aim of this study was thus to estimate the prevalence of 26 IAD among PLHIV followed in a large French multicenter cohort in the combination antiretroviral therapy (cART) era (from January 2000 to July 2013), and to describe their occurrence according to cART onset, the immuno-virological status of patients and hepatitis C virus (HCV) and/or hepatitis B virus coinfection. METHOD AND RESULTS: During the study period, 33 403 PLHIV were included in the Dat'AIDS cohort; 1381 patients with an IAD were identified. The most prevalent IADs were psoriasis, sarcoidosis, rheumatoid arthritis, ankylosing spondyloarthritis, Grave's disease, autoimmune hemolytic anemia, immune thrombocytopenia and chronic inflammatory bowel disease. In contrast, the prevalence of systemic lupus erythematosus and multiple sclerosis were low. Most patients (59%) developed IAD after HIV infection with a mean delay of 10.6 ± 6.4 years. Compared with the entire cohort, HCV coinfection was significantly more frequent in patients with psoriasis, Grave's disease and immune thrombocytopenia, and chronic hepatitis B in patients was more frequent in those with immune thrombocytopenia and autoimmune hemolytic anemia. Among patients developing IAD after the diagnosis of HIV infection, 572 (70%) were on antiretroviral therapy and 419 of them (73%) had undetectable HIV viral load. CONCLUSION: Our study showed that some IAD are not rare among PLHIV and occur mostly in patients with immuno-virological control under cART. The higher frequency of HCV or hepatitis B virus coinfection for some IAD is also confirmed.
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 | 0,000 | 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 ».