Ongoing drug use and outcomes from highly active antiretroviral therapy among injection drug users in a Canadian setting
Notice bibliographique
Résumé
BACKGROUND: The effect of ongoing illicit drug use on HIV treatment remains controversial, especially in countries where access to HIV treatment for active injection drug users (IDUs) is limited because of presumed non-adherence. We sought to investigate the influence of drug use patterns on adherence to antiretroviral therapy and virological suppression among IDUs. METHODS: Using generalized estimating equation logistic regression, we explored the effect of abstinence versus ongoing drug use on adherence and virological suppression using data from a community-recruited cohort of IDUs in Vancouver (BC, Canada). RESULTS: A total of 381 HIV-positive IDUs were included in this analysis, among whom the median follow-up time was 30 months. In a multivariate model, no relationship was found between abstinence (reference) and active injection (adjusted odds ratio [AOR] 0.88, 95% confidence interval [CI] 0.65-1.17) and non-injection (AOR 0.97, 95% CI 0.67-1.41) drug use with adherence. In subanalyses, ongoing injection drug use was associated with a lower odds of virological suppression in comparison to abstinence (AOR 0.74, 95% CI 0.57-0.97; P=0.026) and both active IDUs and active non-IDUs had lower odds of virological suppression compared with abstinent participants when longer periods of virological suppression were considered. CONCLUSIONS: Given the absence of a strong relationship between abstinence and ongoing drug use and adherence among HIV-positive IDUs, programmes that restrict antiretrovirals to abstinent individuals should be re-examined. The lower rates of virological suppression associated with ongoing drug use nevertheless highlight the importance of comprehensive systems of care and addiction treatment for active drug users.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».