Recent Abacavir Use Increases Risk of Type 1 and Type 2 Myocardial Infarctions Among Adults With HIV
Notice bibliographique
Résumé
BACKGROUND: There is persistent confusion as to whether abacavir (ABC) increases the risk of myocardial infarction (MI), and whether such risk differs by type 1 (T1MI) or 2 (T2MI) MI in adults with HIV. METHODS: Incident MIs in North American Cohort Collaboration on Research and Design participants were identified from 2001 to 2013. Discrete time marginal structural models addressed channeling biases and time-dependent confounding to estimate crude hazard ratio (HR) and adjusted hazard ratio (aHR) and 95% confidence intervals; analyses were performed for T1MI and T2MI separately. A sensitivity analysis evaluated whether Framingham risk score (FRS) modified the effect of ABC on MI occurrence. RESULTS: Eight thousand two hundred sixty-five adults who initiated antiretroviral therapy contributed 29,077 person-years and 123 MI events (65 T1MI and 58 T2MI). Median follow-up time was 2.9 (interquartile range 1.4-5.1) years. ABC initiators were more likely to have a history of injection drug use, hepatitis C virus infection, hypertension, diabetes, impaired kidney function, hyperlipidemia, low (<200 cells/mm) CD4 counts, and a history of AIDS. The risk of the combined MI outcome was greater for persons who used ABC in the previous 6 months [aHR = 1.84 (1.17-2.91)]; and persisted for T1MI (aHR = 1.62 [1.01]) and T2MI [aHR = 2.11 (1.08-4.29)]. FRS did not modify the effect of ABC on MI (P = 0.14) and inclusion of FRS in the MSM did not diminish the effect of recent ABC use on the combined outcome. CONCLUSIONS: Recent ABC use was associated with MI after adjustment for known risk factors and for FRS. However, screening for T1MI risks may not identify all or even most persons at risk of ABC use-associated MIs.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».