Use of Preventive Measures for Cardiovascular Disease in People With HIV
Notice bibliographique
Résumé
Abstract Background Data on uptake of preventive measures for cardiovascular disease (CVD) in people with HIV are limited. Methods We determined the annual prevalence (2012–2021) of CVD preventive measures use for RESPOND participants with a very high (>10%) estimated D:A:D 10-year CVD risk who were eligible for each specific measure evaluated. We used binomial regression to assess factors associated with each preventative measure uptake. Results Between 2012 and 2021, the crude proportion of >10% estimated 10-year CVD risk individuals increased from 32.4% (n = 4272) to 52.1% (n = 5298). At the end of follow-up, among very high-risk individuals, 67.4% (1552/2303) with hypertension used antihypertensives, 55.9% (1562/2792) with dyslipidemia lipid-lowering drugs (LLDs), and 7.4% (159/2149) smokers ceased smoking, without significant changes over time. Conversely, a smaller proportion of individuals with diabetes received antidiabetics in later years (2012–2013: 60.3% [388/643] versus 2019–2020: 57.2% [459/803], global P = .0028). Use of angiotensin-converting enzyme inhibitors/angiotensin receptor blockers (ACEIs/ARBs) in those with hypertension or diabetes slightly declined before increasing again (42.1% [864/2052] versus 43.4% [1123/2585], global P = .0009). Individuals with ongoing viremia or intravenous drug use as HIV exposure group were less likely to cease smoking and use LLDs. Men ≥40 years and women ≥50 were more likely to use antihypertensives, ACEIs/ARBs, antidiabetics, and LLDs. The uptake of preventive measures was similar between sexes/genders. Conclusions The increasing proportion of individuals at very high estimated 10-year CVD risk without a corresponding increase in use of preventive measures calls for greater awareness of CVD risk management for people with HIV attending routine clinical care.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».