AIDS-defining causes of death from autopsy findings for HIV-positive individuals in sub-Saharan Africa in the pre- and post-ART era: A systematic review and meta-analyses
Notice bibliographique
Résumé
Background: The lack of representative data on causes of death in sub-Saharan Africa (SSA) hampers our understanding of the regional burden of HIV and impact of interventions. In spite of the roll-out of antiretroviral therapy (ART) programs, HIV-infected individuals are still dying from complications of AIDS in SSA. We reviewed autopsy findings in SSA to observe whether the prevalence of 14 AIDS-defining illnesses changed from the pre-ART era to the post-ART era. Methods: We conducted a systematic review of autopsy findings in SSA using Medline, CINAHL, Evidence Based Medicine, EMBASE, Scopus, Web of Science, and abstracts from the Conference on Retroviruses and Opportunistic Infections, for literature published between January 1, 1990 and September 30, 2018. We focused on 14 AIDS-defining illnesses as causes of death. Results: In total, 33 studies were identified, including 9 from South Africa, 4 from the Ivory Coast, and the rest from eastern regions of sub-Saharan Africa. Of these, 18 studies were included in the meta-analyses for each of the AIDS-defining illnesses for adults. A ‘mixed group’ of studies that included adults and children was used for separate meta-analyses. Most opportunistic infections (OIs) showed a decrease in prevalence, with the notable exception of tuberculosis (TB), which showed a 13% increase in adult deaths and a 5% increase in mixed population group deaths. Kaposi’s sarcoma and non-Hodgkin’s lymphoma both showed a notable increase in prevalence, and liver disease showed a 10% increase in prevalence in the adult group. Conclusions: Even though ART has reduced the contribution of OIs to causes of death for people infected with HIV in SSA, targeted and strategic efforts are needed in order to strengthen existing prevention, diagnosis, and treatment of TB. More research is required to understand the complex role ARTs have on liver and kidney diseases.
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 | 0,014 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,029 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».