Gender disparities operate in opposite directions for hospitalizations and mortality among individuals receiving long‐term ART in rural Uganda
Notice bibliographique
Résumé
OBJECTIVES: We conducted an analysis to determine if differences in health-seeking behaviour can explain gender disparities in mortality among long-term survivors receiving antiretroviral therapy (ART) in rural Uganda. METHODS: From June 2012 to January 2014, we enrolled patients receiving a first-line ART regimen for at least 4 years without previous viral load (VL) testing in Jinja, Uganda. We measured HIV VL at study entry. We switched participants to second-line therapy, if VL was ≥ 1000 copies/mL on two measurements, and followed participants for 3 years. We collected clinical and behavioural data at enrolment and every 6 months after that. We used Poisson regression to examine factors associated with hospitalizations and Cox proportional hazards modelling to assess mortality to September 2016. RESULTS: We enrolled 616 participants (75.3% female), with a median age of 44 years and a median duration of ART use of 6 years. Of these, 113 (18.3%) had VLs ≥ 1000 copies/mL. Hospitalizations occurred in 101 participants (7% of men vs. 20% of women; P < 0.001). A total of 22 (3.6%) deaths occurred, 9% of men vs. 2% of women (P < 0.001). Multivariate modelling revealed that mortality was associated with age [adjusted hazard ratio (AHR) = 1.07 per year increase; 95% confidence interval (CI): 1.01-1.13], male gender (AHR = 2.57; 95% CI 1.06-6.23) and time-updated CD4 counts (AHR = 0.67 per 100 cell increment; 95% CI: 0.52-0.88). Virological failure was not associated with mortality (P = 0.762). CONCLUSION: Female patients receiving ART in rural Uganda were three times more likely to be hospitalized than men, but male mortality was nearly four times higher. Facilitating care for acute medical problems may help to improve survival among male ART patients.
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 | 0,001 |
| 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) | 0,001 | 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 ».