Nationwide Cohort Study of Antiretroviral Therapy Timing: Treatment Dropout and Virological Failure in China, 2011–2015
Notice bibliographique
Résumé
Background: People living with human immunodeficiency virus (PLWH) are still being diagnosed late, rendering the benefits of "early" antiretroviral therapy (ART) unattainable. Therefore, we aimed to evaluate the benefits of "immediate" ART. Methods: A nationwide cohort of PLWH in China who initiated ART January 1, 2011, to December 31, 2014 and had baseline CD4 results >200 cells/μL were censored at 12 months, dropout, or death, whichever came first. Treatment dropout and virological failure (viral load ≥400 copies/mL) were measured. Determinants were assessed by Cox and log-binomial regression. Results: The cohort included 123605 PLWH. The ≤30 days group had a significantly lower treatment dropout rate of 6.72%, compared to 8.91% for the 91-365 days group and to 12.64% for the >365 days group. The ≤30 days group also had a significantly lower virological failure rate of 5.45% (31-90 days: 7.39%; 91-365 days: 9.64%; >365 days: 12.67%). Greater risk of dropout (91-365 days: adjusted hazard ratio [aHR] = 1.33, 95% confidence interval [CI] = 1.25-1.42; >365 days: aHR = 1.55, CI = 1.47-1.54), and virological failure (31-90 days: adjusted risk ratio [aRR] = 1.35, CI = 1.26-1.45; 91-365 days: aRR = 1.66, CI = 1.55-1.78; >365 days: aRR = 1.85, CI = 1.74-1.97) were observed for those who delayed treatment. Conclusions: ART within 30 days of HIV diagnosis was associated with significantly reduced risk of treatment failure, highlighting the need to implement test-and-immediately-treat policies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».