Prevalence and correlates of traditional risk factors for cardiovascular disease in a Nigerian ART-naive HIV population: a cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: HIV infection environment presents a classic example of the interplay between infectious diseases and non-communicable diseases (NCDs). Traditional cardiovascular disease (CVD) risk factors abound in the HIV population even before initiation of antiretrovirals (ARVs) and predispose them to the development of stroke and myocardial infarction. This work focuses on determining the prevalence of traditional CVD risk factors among ARV-naive HIV individuals in southern Nigeria. METHODS: This was a cross-sectional study of ARV-naive patients initiating care at the University of Uyo Teaching Hospital HIV clinic cohort to determine the prevalence and correlates of hypertension, diabetes mellitus (DM), obesity and dyslipidaemia. RESULTS: The sample consisted of 4925 assessed for hypertension, 5223 for obesity, 1818 for DM and 926 for dyslipidaemia. Hypertension prevalence was 26.7% (95% CI 25.5% to 28.0%) with a male preponderance (p=0.02). DM was found in 5.6% (95% CI 4.5% to 6.7%), obesity in 8.3% (95% CI 7.6% to 9.1%) and dyslipidaemia in 29.1% (95% CI 26.1% to 32.1%) with a high prevalence of low high-density lipoprotein-c (42.6%). Hypertension was independently associated with age (OR 1.04 (95% CI 1.03 to 1.05), p<0.001) and body mass index (BMI) (OR 1.06 (95% CI 1.03 to 1.08), p<0.001), obesity with age (OR 1.02 (95% CI 1.01 to 1.03), p<0.001), male gender (OR 0.38 (95% CI 0.29 to 0.49), p<0.001) and CD4 count (OR 2.63 (95% CI 1.96 to 3.53), p<0.001) while dyslipidaemia was associated with BMI (OR 1.05 (95% CI 1.01 to 1.10), p=0.03). CONCLUSION: The prevalence of traditional CVD risk factors is high in this ART-naive HIV population. An integrated approach of HIV and NCD screening/treatment may be relevant for centres in sub-Saharan Africa.
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) | 0,000 | 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 ».