Prevalence of Hepatitis (A–E) and HTLV‐I/II Infection Markers in Hemodialysis Patients of Central Greece
Notice bibliographique
Résumé
Objective: The aim of this study was to assess the prevalence of serological and molecular markers of hepatitis (A–E) and human T‐lymphotropic viruses (HTLV) in hemodialysis (HD) patients of central Greece. Methods: 370 patients (246 males, 60 ± 14 years) attending the renal units (RUs) of central Greece (n = 5) were tested for anti‐HAV IgG, hepatitis B virus markers, anti‐HCV, anti‐HEV, and anti‐HTLV‐I/II with ELISA. In 131 casual samples, regardless of anti‐HCV status, a sensitive, qualitative HCV‐RNA assay (Versant ® , Bayer) based on transcription‐mediated amplification (TMA) was applied. Results: Previous HBV infection (anti‐HBc) was found in 48% and current HBV infection in 5.5% (HbsAg) of the patients. Anti‐HAV was detected in 94% while anti‐HDV and anti‐HTLV were negative. Anti‐HCV prevalence was 23% varying from 11 to 36% in the different RUs. Frequency of anti‐HEV (4.1%) was also highly varying (1.4–9.8%). There was no association between the infection markers and age, sex, or history of transfusion. Anti‐HCV correlated with duration of HD. HCV‐RNA was detected in 44/131 samples. In 15 cases results of anti‐HCV and TMA were contradicting. Two anti‐HCV negative samples were HCV‐RNA positive (2.3%). Conclusion: In RUs of central Greece, a high prevalence of HCV infection was found, associated with the duration of HD. The high prevalence of anti‐HEV found in 1 RU must be investigated further. In some of anti‐HCV‐negative patients viremia was detected. This result indicates that a considerable number of HCV infections are serologically occult. HCV‐RNA testing, regardless of the anti‐HCV status, has to be considered seriously in HD patients.
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) | 0,000 | 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 ».