The effect of human immunodeficiency virus infection on adverse events during treatment of drug-resistant tuberculosis: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Adverse events (AEs) during drug-resistant tuberculosis (DR-TB) treatment, especially with human immunodeficiency virus (HIV) co-infection, remains a major threat to poor DR-TB treatment adherence and outcomes. This meta-analysis aims to investigate the effect of HIV infection on the development of AEs during DR-TB treatment. METHODS: Eligible studies evaluating the association between HIV seropositivity and risks of AE occurrence in DR-TB patients were included in this systematic review. Interventional and observational studies were assessed for risk of bias using the Risk of Bias in Nonrandomized Studies of Intervention and Newcastle-Ottawa Scale tool, respectively. Random-effects meta-analysis was performed to estimate the pooled risk ratio (RR) along with their 95% confidence intervals (CIs). RESULTS: A total of 37 studies involving 8657 patients were included in this systematic review. We discovered that HIV infection independently increased the risk of developing AEs in DR-TB patients by 12% (RR 1.12 [95% CI: 1.02-1.22]; I2 = 0%, p = 0.75). In particular, the risks were more accentuated in the development of hearing loss (RR 1.44 [95% CI: 1.18-1.75]; I2 = 60%), nephrotoxicity (RR 2.45 [95% CI: 1.20-4.98], I2 = 0%), and depression (RR 3.53 [95% CI: 1.38-9.03]; I2 = 0%). Although our findings indicated that the augmented risk was primarily driven by antiretroviral drug usage rather than HIV-related immunosuppression, further studies investigating their independent effects are required to confirm our findings. CONCLUSION: HIV co-infection independently increased the risk of developing AEs during DR-TB treatment. Increased pharmacovigilance through routine assessments of audiological, renal, and mental functions are strongly encouraged to enable prompt diagnosis and treatment in patients experiencing AEs during concomitant DR-TB and HIV treatment.
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 | 0,011 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,041 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».