Global Trends in CD4 Cell Count at the Start of Antiretroviral Therapy: Collaborative Study of Treatment Programs
Notice bibliographique
Résumé
Background: Early initiation of combination antiretroviral therapy (cART), at higher CD4 cell counts, prevents disease progression and reduces sexual transmission of human immunodeficiency virus (HIV). We describe the temporal trends in CD4 cell counts at the start of cART in adults from low-income, lower-middle-income, upper-middle-income, and high-income countries (LICs, LMICs, UMICs, and HICs, respectively). Methods: We included HIV-infected individuals aged ≥16 years who started cART between 2002 and 2015 in a clinic participating in the International epidemiology Databases to Evaluate AIDS (IeDEA) or the Collaboration of Observational HIV Epidemiological Research in Europe (COHERE). Missing CD4 cell counts at the start of cART were estimated through multiple imputation. Weighted mixed-effect models were used to smooth trends in median CD4 cell counts. Results: A total of 951855 adults from 16 LICs, 11 LMICs, 9 UMICs, and 19 HICs were included. Overall, the modeled median CD4 cell count at the start of cART increased from 2002 to 2015, from 78/µL (95% confidence interval, 58-104/µL) to 287/µL (250-328/µL) in LICs, from 99/µL (71-140/µL) to 234/µL (192-285/µL) in LMICs, from 71/µL (49-104/µL) to 311/µL (255-379/µL) in UMICs, and from 161/µL (143-181/µL) to 327/µL (286-372/µL) in HICs. In LICs, LMICs, and UMICs, the increase was more pronounced in women; in HICs, the opposite was observed. Conclusions: Median CD4 cell counts at the start of cART increased in all income groups, but generally remained below 350/μL in 2015. Substantial additional efforts and resources are required to achieve earlier diagnosis, linkage to care, and initiation of cART.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».