Prevalence and risk factors of cognitive frailty in people with HIV
Notice bibliographique
Résumé
BACKGROUND: Cognitive frailty (CF, the simultaneous presence of frailty and cognitive impairment) is recognized as a significant predictor of several adverse health outcomes. The objective of this study was to describe prevalence and risk factors for CF in people with HIV (PWH) >50 years. METHODS: This was a cross-sectional observational study including PWH attending Modena HIV Metabolic Clinic (MHMC). Neurocognitive function was measured with Cogstate battery that comprises six domains. Each individual CogState raw score was transformed into z-score after correction for age and sex. Neurocognitive impairment was defined by total global deficit score >0.5. Frailty was assessed by 37-Item frailty index. Scores <0.25 were considered fit or >0.26 as frail. RESULTS: A total of 1258 PWH were included, 916 (73%) were males, median age was 58 years, median time since HIV diagnosis was 27 years. The sample was divided into four groups (CF) based on the presence of frailty (F) and cognitive impairment (ICT): F+/ICT+, F+/ICT-, F-/ICT+, F-/ICT-. Age per 5-year increase [odds ratio (OR) = 1.27, confidence interval (CI): 1.02-1.55, P = 0.022], nadir CD4 + cell count (OR = 0.81, CI: 0.66 - 0.99, P = 0.042) and polypharmacy (OR = 3.47, CI: 2.00-6.00, P < 0.001) were associated with CF after adjustment for time since HIV diagnosis, multimorbidity, depression and cumulative exposure to dolutegravir. CONCLUSION: CF prevalence in PWH >50 years was 6.8% and it is higher than what has been observed in the general population >65 years (1-4.4%). Nadir CD4 + cell count and polypharmacy was associated with CF, suggesting an HIV specific contribution related to the development of this condition.
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 ».