Exploring the role of sex in hospitalizations among people with and without HIV in British Columbia, Canada
Notice bibliographique
Résumé
OBJECTIVE: We assessed sex differences in hospitalization rates among people with HIV (PWH) and people without HIV (PWoH) in British Columbia (BC). METHODS: PWH and a 10% random sample of PWoH in BC aged ≥19 were followed from 04/01/2002 to 03/31/2020, using linked administrative Comparative Outcomes and Service Utilization Trends (COAST) study data. Hospitalizations were categorized by discharge diagnosis, using broad International Classification of Diseases-classes. Using Poisson regression, we modelled the association between sex, HIV-status, their interaction, and hospitalization rates adjusting for confounders. RESULTS: Among 12,635 PWH (17.81% females) and 548,992 PWoH (49.34% females), age-adjusted hospitalization rates per 100 person-years were highest among females with HIV [incidence rate (IR) 34.25], followed by males with HIV (IR 21.49), females (IR 7.10), and males (IR 7.06) without HIV. Hospitalization rates for all causes declined from 2002-2022 across all subgroups but remained consistently higher among females with HIV, except for circulatory diseases and neoplasms. Adjusted for socio-structural factors, being male [rate ratio (RR) 1.92] or female with HIV (RR 2.66) was significantly associated with a higher hospitalization rate compared to males without HIV. Among PWH, female sex remained significantly associated with a higher hospitalization rate, after adjusting for HIV- and disease-related factors. CONCLUSIONS: We found a higher hospitalization rate among PWH than PWoH in BC, with the highest rate among females with HIV. This could partially be explained by socio-structural factors. Addressing these disparities and improving our understanding of the underlying mechanisms is critical to enhance health outcomes for women with HIV.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».