High incidence and persistence of hepatitis B virus infection in individuals receiving HIV care in KwaZulu-Natal, South Africa
Notice bibliographique
Résumé
BACKGROUND: Hepatitis B virus (HBV), Human Immunodeficiency virus (HIV) and Tuberculosis (TB) are common infections in South Africa. We utilized the opportunity of care provision for HIV-TB co-infected patients to better understand the relationship between these coinfections, determine the magnitude of the problem, and identify risk factors for HBV infection in HIV infected patients with and without TB in KwaZulu-Natal, South Africa. METHODS: This retrospective cohort analysis was undertaken in 2018. In-care HIV infected patients were included in the analysis. Results from clinical records were analysed to determine the prevalence, incidence, persistence and factors associated with HBsAg positivity in HIV-infected patients with or without TB co-infection. RESULTS: A total of 4292 HIV-infected patients with a mean age of 34.7 years (SD: 8.8) were included. Based on HBsAg positivity, the prevalence of HBV was 8.5% (363/4292) [95% confidence interval (CI): 7.7-9.3] at baseline and 9.4% (95%CI: 8.6-10.3%) at end of follow-up. The HBV incidence rate was 2.1/100 person-years (p-y). Risk of incident HBV infection was two-fold higher among male patients (HR 2.11; 95% CI: 1.14-3.92), while severe immunosuppression was associated with a greater than two-fold higher risk of persistent infection (adjusted risk ratio (RR) 2.54; 95% CI 1.06-6.14; p = 0.004. Additionally, active TB at enrolment was associated with a two-fold higher risk of incident HBV infection (aHR 2.38; 95% CI: 0.77-7.35). CONCLUSION: The provision of HIV care and treatment in high HBV burden settings provide a missed opportunity for HBV screening, immunization and care provision.
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 | 0,002 |
| 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 ».