Assessing the effectiveness of antiretroviral regimens in cohort studies involving HIV-positive injection drug users
Notice bibliographique
Résumé
OBJECTIVE: We compared the effectiveness of different highly active antiretroviral therapy (HAART) regimens considering, separately, history of injection drug use (IDU) (yes/no). DESIGN, METHODS: A total of 1163 HIV-infected patients initiated HAART between 1 January 2000 and 28 February 2009 in British Columbia, Canada, and were followed until 28 February 2010. HAART effectiveness was measured by the ability to achieve viral suppression below 50 copies/ml at 6 months. We compared HAART regimens containing efavirenz and boosted atazanavir. We developed logistic regression models using different techniques to control for potential confounders. RESULTS: Among the 1163 patients, 796 (68%) achieved viral suppression at 6 months (32% reporting a history of IDU). Different confounding models yielded very similar odds ratios for achieving viral suppression. Boosted atazanavir-based HAART demonstrated to be the most effective regimen, showing a surprisingly higher benefit for patients with a history of IDU (odds ratios from different models ranged from 1.74-1.95 to 1.45-1.51). CONCLUSIONS: The literature has conflicting results regarding the effectiveness of HAART to treat HIV infection among those with a history of IDU. We have shown that most patients, with and without a history of IDU, were able to achieve viral suppression at 6 months. Boosted atazanavir-based HAART was the most resilient regimen and it was more effective than efavirenz-based HAART among IDUs. Given the limited inclusion of IDU in clinical trials of HAART's efficacy, a randomized clinical trial comparing different first-line HAART regimens among IDU is warranted based on these results.
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 | 0,002 | 0,001 |
| 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 ».