Burden of Nonnucleoside Reverse Transcriptase Inhibitor Resistance in HIV-1-Infected Patients: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
The prevalence of HIV drug resistance varies with geographic location, year, and treatment exposure. This study generated yearly estimates of nonnucleoside reverse transcriptase inhibitor (NNRTI) resistance in treatment-naive (TN) and treatment-experienced (TE) patients in the United States (US), Europe (EU), and Canada. Studies reporting NNRTI resistance identified in electronic databases and 11 conferences were analyzed in three groups: (1) TN patients in one of four geographic regions [US, Canada, EU countries with larger surveillance networks ("EU1"), and EU countries with fewer data ("EU2")]; (2) TE patients from any region; and (3) TN patients failing NNRTI-based treatments in clinical trials. Analysis data included 158 unique studies from 22 countries representing 84 cohorts of TN patients, 21 cohorts of TE patients, and 8 trials reporting resistance at failure. From 1995 to 2000, resistance prevalence in TN patients increased in US and EU1 from 3.1% to 7.5% and 0.8% to 3.6%, respectively. Resistance in both regions stabilized in 2006 onward. Little resistance was identified in EU2 before 2000, and increased from 2006 (5.0%) to 2010 (13.7%). One TN Canadian study was identified and reported resistance of 8.1% in 2006. Half of TN clinical trial patients had resistance after treatment failure at weeks 48-144. Resistance in TE patients increased from 1998 (10.1%) to 2001 (44.0%), then decreased after 2004. Trends in NNRTI resistance among TN patients show an increased burden in the US and some EU countries compared to others. These findings signify a need for alternate first-line treatments in some regions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».