Patient characteristics and determinants of CD4 at diagnosis of HIV in Mexico from 2008 to 2017: a 10-year population-based study
Notice bibliographique
Résumé
Abstract Background In 2007–2012 the Mexican government launched the National HIV program and there was a major change in HIV policies implemented in 2013–2018, when efforts focused on prevention, increase in early diagnosis and timely treatment. Still, late HIV diagnosis is a major concern in Mexico due to its association with the development of AIDS development and mortality. Thus, the objectives of this study were to identify the determinants of late HIV diagnosis (i.e. CD4 count less than 200 cells/mm 3 ) in Mexico from 2008 to 2017 and to evaluate the impact of the 2013–2017 National HIV program. Methods Using patient level data from the SALVAR database, which includes 64% of the population receiving HIV care in Mexico, an adjusted logistic model was conducted. Main study outcomes were HIV late diagnosis which was defined as CD4 count less than 200 cells/mm 3 at diagnosis. Results The study included 106,830 individuals newly diagnosed with HIV and treated in Mexican public health facilities between 2008 and 2017 (mean age: 33 years old, 80% male). HIV late diagnosis decreased from 45 to 43% (P < 0.001) between 2008 and 2012 and 2013–2017 (i.e. before and after the implementation of the 2013–2017 policy). Multivariable logistic regressions indicated that being diagnosed between 2013 and 2017 (odds ratio [OR] = 0.96 [95% Confidence interval [CI] [0.93, 0.98]) or in health facilities specialized in HIV care (OR = 0.64 [95% CI 0.60, 0.69]) was associated with early diagnosis. Being male, older than 29 years old, diagnosed in Central East, the South region of Mexico or in high-marginalized locality increased the odds of a late diagnosis. Conclusions The results of this study indicate that the 2013–2017 National HIV program in Mexico has been marginally successful in decreasing the proportion of individuals with late HIV diagnosis in Mexico. We identified several predictors of late diagnosis which could help establishing health policies. The main determinants for late diagnosis were being male, older than 29 years old, and being diagnosed in a Hospital or National Institute.
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) | 0,000 | 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) | 0,001 | 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 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 ».