The relationship of smoking and unhealthy alcohol use to HIV care retention and viral suppression: findings from a multisite cohort study
Notice bibliographique
Résumé
OBJECTIVES: Tobacco smoking and alcohol use may negatively influence HIV care, but associations have not been examined across cohorts. DESIGN: Multisite international collaboration of cohort studies. METHODS: People with HIV (PWH) were included from 11 cohorts; 5 North American and 6 Western European. Exposures were harmonized smoking and alcohol measures (2010-2018). Loss to care was defined as not having 2+ HIV care visits (HIV RNA and/or CD4 measurement dates) at least 60 days apart, within 12 months following alcohol measure date; HIV viral nonsuppression was defined as >200 copies/ml. Adjusted prevalence ratios (PRs) were estimated using modified Poisson regression; pooled effect estimates and the heterogeneity measure ( I2 ).were derived from a random-effect meta-analysis. RESULTS: Among 83 102 PWH (87.4% male, 46.1% white); 43.7% currently smoked, 44.5% reported low/moderate drinking, 6.9% heavy drinking, 48.6% did not drink. PWH who currently smoked had higher risk of loss to care than nonsmoking PWH (pooled PR [95% CI] = 1.12 [1.08-1.16], I2 = 18.1%); those with heavy drinking had higher risk than those with low/moderate drinking (1.13 [1.03-1.25], I2 = 57.8%). PWH who currently smoked had higher risk of viral nonsuppression than nonsmoking PWH (1.44 [1.25-1.67], I2 = 90.6%); those reporting heavy drinking had higher risk than those with low/moderate drinking (pooled PR [95% CI] = 1.18 [1.02-1.37], I2 = 68.9%). PWH who reported heavy drinking and current smoking, in comparison to low/moderate alcohol use but no current smoking, had highest risk of viral nonsuppression (pooled PR [95% CI] =1.74 [1.37-2.22]), I2 = 81.8%. CONCLUSIONS: Smoking and unhealthy alcohol use were associated with HIV loss to care and viral nonsuppression, with variability between cohorts.
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 | 0,000 |
| 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 ».