Socio‐economic factors associated with loss to follow‐up among individuals with <scp>HCV</scp>: A Dutch nationwide cross‐sectional study
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The path to hepatitis C virus (HCV) elimination is complicated by individuals who become lost to follow-up (LTFU) during care, particularly before receiving effective HCV treatment. We aimed to determine factors contributing to LTFU and whether LTFU is associated with mortality. METHODS: In this secondary analysis, we constructed a database including individuals with HCV who were either LTFU (data from the nationwide HCV retrieval project, CELINE) or treated with directly acting antivirals (DAA) (data from Statistics Netherlands) between 2012 and 2019. This database was linked to mortality data from Statistics Netherlands. Determinants associated with being LTFU versus DAA-treated were assessed using logistic regression, and mortality rates were compared between groups using exponential survival models. These analyses were additionally stratified on calendar periods: 2012-2014, 2015-2017 and 2018-2019. RESULTS: About 254 individuals, LTFU and 5547 DAA-treated were included. Being institutionalized (OR = 5.02, 95% confidence interval (CI) = 3.29-7.65), household income below the social minimum (OR = 1.96, 95% CI = 1.25-3.06), receiving benefits (OR = 1.74, 95% CI = 1.20-2.52) and psychiatric comorbidity (OR = 1.51, 95% CI = 1.09-2.10) were associated with LTFU. Mortality rates were significantly higher in individuals LTFU compared to those DAA-treated (2.99 vs. 1.15/100 person-years (PY), p < .0001), while in those DAA-treated, mortality rates slowly increased between 2012-2014 (.22/100PY) and 2018-2019 (2.25/100PY). CONCLUSION: In the Netherlands, individuals who are incarcerated/institutionalized, with low household income, or with psychiatric comorbidities are prone to being LTFU, which is associated with higher mortality. HCV care needs to be adapted for these vulnerable individuals.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
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 ».