The effect of sexually transmitted co-infections on HIV viral load amongst individuals on antiretroviral therapy: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Antiretroviral therapy (ART) markedly reduces HIV transmission, and testing and treatment programs have been advocated as a method for decreasing transmission at the population level. Little is known, however, about the extent to which sexually transmitted infections (STIs), which increase the HIV infectiousness of untreated individuals, may decrease the effectiveness of treatment as prevention. METHODS: We searched major bibliographic databases to August 12(th), 2014 and identified studies reporting differences in HIV transmission rate or in viral load between individuals on ART who either were or were not co-infected with another STI. We used hierarchical Bayesian models to estimate viral load differences between individuals with and without STI co-infections. RESULTS: The search strategy retrieved 1630 unique citations of which 14 studies (reporting on 4607 HIV viral load measurements from 2835 unique individuals) met the inclusion criteria. We did not find any suitable studies that estimated transmission rates directly in both groups. Our meta-analysis of HIV viral load measurements among treated individuals did not find a statistically significant effect of STI co-infection; viral loads were, on average, 0.11 log10 (95% CI -0.62 to 0.83) higher among co-infected versus non-co-infected individuals. CONCLUSIONS: Direct evidence about the effects of STI co-infection on transmission from individuals on ART is very limited. Available data suggests that the average effect of STI co-infection on HIV viral load in individuals on ART is less than 1 log10 difference, and thus unlikely to decrease the effectiveness of treatment as prevention. However, there is not enough data to rule out the possibility that particular STIs pose a larger threat.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».