Clinical Characteristics and Outcomes of Chronic Kidney Disease in People Living with HIV in a Resource-Limited Center of Central China
Notice bibliographique
Résumé
Clinical management and optimal treatment are essential to improving outcomes for people living with HIV (PLWH). We assessed trends and outcomes of chronic kidney disease (CKD) in PLWH in a resource-limited center of central China. All PLWH who were followed up in a tertiary referral center in Wuhan, China, from July 2016 to June 2021 were evaluated. CKD was defined as glomerular filtration rate (GFR) <60 mL/min/1.73 m2 during two consecutive measurements 3 months apart. Baseline characteristics of the participants were extracted from the hospital medical records. The prevalence rate and associated risk factors of CKD were analyzed. A total of 863 PLWH with normal kidney function at baseline were analyzed. The median age was 33 (interquartile ranges: 26–49) years, and 778 (90.2%) were male and 85 (9.8%) were female. Among them, 50 (5.8%) had their GFR falling below 60 mL/min/1.73 m2 after a median of 54 months. Adjusted multivariate logistic regression revealed older age [adjusted odds ratio (aOR) = 1.04, 95% confidence interval (95% CI): 1.01–1.07], female sex (aOR = 3.17, 95% CI: 1.14–8.84), lower body weight (aOR = 0.95, 95% CI: 0.91–1.00), lower hemoglobin (aOR = 3.54, 95% CI: 1.51–8.30), longer duration of antiretroviral therapy exposure (aOR = 1.02, 95% CI: 1.00–1.04), and a baseline GFR between 60 and 90 mL/min/1.73 m2 (aOR = 3.89, 95% CI: 1.21–12.46) were associated with the development of CKD. Our findings showed that CKD is not infrequent in PLWH with a combination of traditional and HIV-specific risk factors for kidney disease, highlighting the suboptimal monitoring and treatment options of CKD in PLWH in resource-limited settings. Scalable monitoring strategy to improve care for this population is warranted.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».