Association of <scp>HIV</scp> viral load and <scp>CD</scp>4 cell count with human papillomavirus detection and clearance in <scp>HIV</scp>‐infected women initiating highly active antiretroviral therapy
Notice bibliographique
Résumé
OBJECTIVES: The extent to which highly active antiretroviral therapy (HAART) affects human papillomavirus (HPV) acquisition and clearance in HIV-infected women is not well understood. We sought to describe high-risk HPV detection and clearance rates over time since HAART initiation, based on time-varying HIV viral load (VL) and CD4 T-cell count, using novel statistical methods. METHODS: We conducted a retrospective analysis of data from the completed AIDS Clinical Trials Group (ACTG) A5029 study using multi-state Markov models. Two sets of high-risk HPV types from 2003 and 2009 publications were considered. RESULTS: There was some evidence that VL>400 HIV-1 RNA copies/mL was marginally associated with a higher rate of HPV detection [P=0.068; hazard ratio (HR) =4.67], using the older set of high-risk HPV types. Such an association was not identified using the latest set of HPV types (P=0.343; HR=2.64). CD4 count >350 cells/μL was significantly associated with more rapid HPV clearance with both sets of HPV types (P=0.001, HR=3.93; P=0.018, HR=2.65). There was no evidence that HPV affects VL or CD4 cell count in any of the analyses. CONCLUSIONS: High-risk HPV types vary among studies and can affect the results of analyses. Use of HAART to improve CD4 cell count may have an impact on the control of HPV infection. The decrease in VL may also have an effect, although to a lesser degree.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».