The Prevalence of Drug Resistance Mutations Among Treatment-Naive HIV-Infected Individuals in Beijing, China
Notice bibliographique
Résumé
To investigate the prevalence of HIV-1 genotypic mutations for drug resistance among patients in Beijing, blood samples from 145 newly confirmed (2006-2007), treatment-naive HIV-1-infected individuals were analyzed. Seven subtypes or CRF were subsequently determined and scored by the Stanford HIV Drug Resistance algorithm: CRF01_AE HIV-1 (27.6%), subtype B' (24.1%), CRF07_BC (21.4%), subtype B (20.7%), CRF08_BC (3.4%), subtype C (2.1%), and CRF06_cpx (0.7%). Eleven of the 145 subjects studied were found to harbor the strains resistant to either protease inhibitors (PIs) (3.4%), or nucleoside reverse transcriptase inhibitors (NRTIs) (2.1%), or nonnucleoside reverse transcriptase inhibitors (NNRTIs) (3.4%). Although the prevalence of drug resistance was relatively low among the treatment-naive HIV-1 patients in Beijing in comparison to those in industrialized countries, we will continue monitoring newly infected subjects for any potential alteration of the prevalence pattern to ensure the success of the ongoing scale-up of antiretroviral 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».