Place of death for people with HIV: a population-level comparison of eleven countries across three continents using death certificate data
Notice bibliographique
Résumé
Abstract Background With over 1 million HIV-related deaths annually, quality end-of-life care remains a priority. Given strong public preference for home death, place of death is an important consideration for quality care. This 11 country study aimed to i) describe the number, proportion of all deaths, and demographics of HIV-related deaths; ii) identify place of death; iii) compare place of death to cancer patients iv), determine patient/health system factors associated with place of HIV-related death. Methods In this retrospective analysis of death certification, data were extracted for the full population (ICD-10 codes B20-B24) for 1-year period: deceased’s demographic characteristics, place of death, healthcare supply. Results i) 19,739 deaths were attributed to HIV. The highest proportion (per 1000 deaths) was for Mexico (9.8‰), and the lowest Sweden (0.2‰). The majority of deaths were among men (75%), and those aged <50 (69.1%). ii) Hospital was most common place of death in all countries: from 56.6% in the Netherlands to 90.9% in South Korea. The least common places were hospice facility (3.3%–5.7%), nursing home (0%–17.6%) and home (5.9%–26.3%).iii) Age-standardised relative risks found those with HIV less likely to die at home and more likely to die in hospital compared with cancer patients, and in most countries more likely to die in a nursing home. iv) Multivariate analysis found that men were more likely to die at home in UK, Canada, USA and Mexico; a greater number of hospital beds reduced the likelihood of dying at home in Italy and Mexico; a higher number of GPs was associated with home death in Italy and Mexico. Conclusions With increasing comorbidity among people ageing with HIV, it is essential that end-of-life preferences are established and met. Differences in place of death according to country and diagnosis demonstrate the importance of ensuring a “good death” for people with HIV, alongside efforts to optimise treatment.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».