Naively changing HAART
Notice bibliographique
Résumé
BACKGROUND: Few UK studies have systematically investigated which antiretroviral therapy (ART) combinations HIV-infected people are commenced on, when they start and reasons for stopping or changing their regimens. OBJECTIVE: To describe when HIV-infected ART-naive patients started first-, second- or third-line triple ART, classes of drugs prescribed and whether stopping ART was associated with virological, immunological or clinical indicators of treatment failure. DESIGN: A multicentre prospective open cohort study, employing the National Prospective Monitoring System on the use, cost and outcome of HIV service provision in UK hospitals-HIV Health-economics Collaboration (NPMS-HHC). SETTING: Five hundred and eighty-five ART-naive patients seen in one London and two non-London HIV clinics between 1 January 1998 and 31 December 1999. RESULTS: Of 4,044 HIV-infected individuals seen, 585 (15%) were ART naive. Median time interval (interquartile range, IQR) between HIV diagnosis and starting triple ART was 800 (63-2,094) days. Median CD4 count when first diagnosed with HIV infection was 278 (IQR 127-481) cells/ micro L which dropped to 190 (IQR 86-297) cells/ micro L when starting triple ART. Of these 585 patients, 162 started second-line and 46 third-line ART during the study period. Of those patients who stopped ART, 51% did not have evidence of virological, immunological or clinical indicators of therapy failure. CONCLUSIONS: Reasons for the delay between diagnosis of HIV infection and starting ART are varied. The large proportion of individuals who stopped ART for reasons other than virological, immunological or clinical indicators of therapy failure, are most likely due to drug-associated toxicity. Both of these findings need to be elucidated in greater detail through prospective studies.
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 | 0,000 | 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 | 0,000 | 0,000 |
| 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) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».