MétaCan
Menu
Retour à la cohorte
Enregistrement W4406939539 · doi:10.1016/s2214-109x(24)00472-8

Causes of HIV-related CNS infection in Cameroon, Malawi, and Tanzania: epidemiological findings from the DREAMM HIV-related CNS implementation study

2025· article· en· W4406939539 sur OpenAlexaff
Cecilia Kanyama, Charles Kouanfack, Sayoki Mfinanga, Sokoine Kivuyo, Emma Beaumont, Aude Sturny-Leclère, Sam Phiri, Jonathon Ngoma, Meshack Shimwela, Daniel Nkungu, Lauriane Nomene Fomete, Rehema H. Simbauranga, Chimwemwe Chawinga, Nicaine Ngakam, Tom Heller, Sandrine Sa’a Lontsi, Rebecca Gathercole, Elnara Aghakishiyeva, Radha Rajasingham, Mina C. Hosseinipour, John Bradley, Shabbar Jaffar, Olivier Lortholary, Thomas S. Harrison, Síle F. Molloy, Timothée Boyer‐Chammard, Angela Loyse

Notice bibliographique

RevueThe Lancet Global Health · 2025
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueToxoplasma gondii Research Studies
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesEuropean and Developing Countries Clinical Trials PartnershipAgence Nationale de Recherches sur le Sida et les Hépatites Virales
Mots-clésTanzaniaEpidemiologyHuman immunodeficiency virus (HIV)MedicineEnvironmental healthVirologyGeographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background CNS infections cause approximately a third of HIV-related deaths. The Driving Reduced AIDS-Associated Meningo-encephalitis Mortality DREAMM study aimed to prospectively diagnose the aetiology of HIV-related CNS infection in five public hospitals in Cameroon, Malawi, and Tanzania. Methods DREAMM was a multicentre, hybrid type-2 implementation science project. Adults (aged ≥18 years) presenting with a first episode of suspected CNS infection, who were HIV seropositive or willing to have an HIV test, were eligible for recruitment. Following implementation of the DREAMM model of care, we measured the prevalence of cryptococcal meningitis, tuberculous meningitis, bacterial meningitis, and cerebral toxoplasmosis and did a χ 2 test to assess whether prevalence differed between countries. We also reported disease-specific mortality and Toxoplasma gondii seroprevalence. Findings Of 356 participants with suspected CNS infection analysed at baseline, 269 (76%) were diagnosed as having a CNS infection. Of these, 202 (75%) had a confirmed diagnosis. Between Cameroon, Malawi, and Tanzania, the prevalence of the four main types of CNS infection differed (cryptococcal meningitis p=0·0014, bacterial meningitis p=0·0043, CNS tuberculosis p<0·0001, and toxoplasmosis p<0·0001). Cryptococcal meningitis (148 [55%] of 269) was the leading cause overall. The next most common causes were CNS tuberculosis in Tanzania (29 [29%] of 99) and bacterial meningitis in Malawi (15 [19%] of 80). In Cameroon, cerebral toxoplasmosis (39 [43%] of 90) was the leading cause followed by cryptococcal meningitis (36 [40%] of 90). For cryptococcal meningitis, all-cause 2-week mortality was 23% (34 of 147) and all-cause 10-week mortality was 45% (66 of 146). Interpretation Within the study population, the aetiology of HIV-related CNS infection varied substantially between Malawi, Cameroon, and Tanzania. Additional prospective epidemiological data are needed to inform HIV programmes. 2-week cryptococcal meningitis mortality outcomes were similar to those of clinical trials. However, new interventions are urgently needed to sustain mortality reductions following hospital discharge. Funding European and Developing Countries Clinical Trials Partnership and French Agency for Research on AIDS and Viral Hepatitis. Translations For the French and Portuguese translations of the abstract see Supplementary Materials section.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,384
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Global HealthMême sujetToxoplasma gondii Research StudiesTravaux en français237 207