Chronic kidney disease in the global adult HIV-infected population: A systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: The widespread use of antiretroviral therapies (ART) has increased life expectancy in HIV patients, predisposing them to chronic non-communicable diseases including Chronic Kidney Disease (CKD). We performed a systematic review and meta-analysis (PROSPERO registration number CRD42016036246) to determine the global and regional prevalence of CKD in HIV patients. METHODS: We searched PubMed, Web of Science, EBSCO and AJOL for articles published between January 1982 and May 2016. CKD was defined as estimated glomerular filtration rate (eGFR) <60ml/min using the MDRD, Cockcroft-Gault or CKD-EPI equations. Random effects model was used to combine prevalence estimates from across studies after variance stabilization via Freeman-Tukey transformation. RESULT: Sixty-one eligible articles (n = 209,078 HIV patients) in 60 countries were selected. The overall CKD prevalence was 6.4% (95%CI 5.2-7.7%) with MDRD, 4.8% (95%CI 2.9-7.1%) with CKD-EPI and 12.3% (95%CI 8.4-16.7%) with Cockcroft-Gault; p = 0.003 for difference across estimators. Sub-group analysis identified differences in prevalence by WHO region with Africa having the highest MDRD-based prevalence at 7.9% (95%CI 5.2-11.1%). Within Africa, the pooled MDRD-based prevalence was highest in West Africa [14.6% (95%CI 9.9-20.0%)] and lowest in Southern Africa (3.2%, 95%CI 3.0-3.4%). The heterogeneity observed could be explained by WHO region, comorbid hypertension and diabetes mellitus, but not by gender, hepatitis B or C coinfection, CD4 count or antiretroviral status. CONCLUSION: CKD is common in HIV-infected people, particularly in Africa. HIV treatment programs need to intensify screening for CKD with added need to introduce global guidelines for CKD identification and treatment in HIV positive patients.
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) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».