HIV Type 1 Subtype Diversity and Drug Resistance among HIV Type 1-Infected Kenyan Patients Initiating Antiretroviral Therapy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The treatment of HIV-1 infection with antiretroviral drugs has greatly improved the survival of those who are infected. However, HIV-1 diversity and drug resistance are major challenges in patient management, especially in resource-poor countries. To evaluate HIV-1 genetic diversity and drug resistance-associated mutations among drug-naive patients in Kenya prior to antiretroviral therapy (ART), a genetic analysis of HIV-1 pol-RT and env-gp41 was performed on samples collected from 53 (18 males and 35 females) consenting patients between April and June 2005. The average age, baseline CD4(+) T cell counts, and viral loads were 38 (range, 24-62) years, 475 (range, 203-799) cells/mm(3), and 4.7 (range, 3.4-5.9) log(10) copies/ml, respectively. Phylogenetic analysis revealed that 40 samples (75.5%) were concordant subtypes for the two genes and 13 (24.5%) were discordant, suggesting possible recombination and/or dual infections. Prevalent subtypes included A1/A1(pol-RT/env-gp41), 31 (58.5%); D/D, 9 (16.9%); A1/C, 2 (3.8%); A1/D, 4 (7.5%); G/A1, 2 (3.8%); A1/A2, 1 (1.9%); C/A1, 2 (3.8%); D/A1, 1(1.9%); and D/A2, 1 (1.9%). Major reverse transcriptase inhibitor (RTI) resistance-associated mutations were found in four patients (7.5%). Of these patients, three had nucleoside RTI resistance mutations, such as M184V, K65R, D67N, K70R, and K219Q. Nonnucleoside RTI resistance-associated mutations K103N and Y181C were detected in three patients and one patient, respectively. Multiple drug resistance mutations were observed in this drug-naive population. With increasing numbers of patients that require treatment and the rapid upscaling of ART in Kenya, HIV-1 drug resistance testing is recommended before starting treatment in order to achieve better clinical outcomes.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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 découle