MétaCan
Menu
Retour à la cohorte
Enregistrement W2005994369 · doi:10.3851/imp1416

Prevalence of HIV type-1 drug-associated mutations in pre-therapy patients in the Free State, South Africa

2009· article· en· W2005994369 sur OpenAlexfundno aff
Kuan‐Hsiang Gary Huang, Dominique Goedhals, Helen Fryer, Cloete van Vuuren, Aris Katzourakis, Túlio de Oliveira, Helen Brown, Sharon Cassol, Christopher J. Seebregts, Angela R. McLean, Paul Klenerman, Rodney Phillips, John Frater

Notice bibliographique

RevueAntiviral Therapy · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS drug development and treatment
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreWellcome Trust
Mots-clésDrug resistanceMedicinePopulationCohortInternal medicineCohort studyEpidemiologyVirologyImmunologyBiologyGeneticsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: We aimed to characterize the molecular epidemiology of HIV type-1 (HIV-1) and the prevalence of drug-associated mutations prior to initiating highly active antiretroviral therapy (HAART) in the Free State province, South Africa. The Free State has a population of 3 million, an antenatal HIV prevalence of approximately 34% and a well established infrastucture for antiretroviral (ARV) provision. METHODS: HIV-1 polymerase genes were sequenced from 425 HAART-naive HIV-1-positive patients at voluntary primary healthcare HIV testing centres, who were subsequently attending district centres for assessment for commencing ARVs. Patients (>18 years) were sampled randomly with no exclusion for gender or clinical criteria. Sequences were analysed according to phylogeny and drug resistance. RESULTS: Phylogenetic clustering within the cohort was suggestive of multiple introductions of subtype C virus into the region. Drug resistance mutations (according to the International AIDS Society-USA classification) were distributed randomly across the cohort phylogeny with an overall prevalence of 2.3% in the sampled patients. When stratified according to CD4(+) T-cell count, the prevalence of resistance was 3.6%, 0.9% and 1.2% for CD4(+) T-cell counts <100, 200-350 and >500 cells/microl, respectively, and was most common for non-nucleoside reverse transcriptase inhibitor resistance (3.1% in patients with CD4(+) T-cell count <100 cells/microl). We surveyed all drug-selected mutations and found further significant clustering among patients with low CD4(+) T-cell counts (P=0.003), suggesting unrecognized exposure to ARVs. CONCLUSIONS: In the Free State population, there was a statistical association between low CD4(+) T-cell counts and drug-associated viral polymorphisms. Our data advocate the benefit of detailed history taking from patients starting HAART at low CD4(+) T-cell counts with close follow-up of the virological response.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,406

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,264
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAntiviral TherapyMême sujetHIV/AIDS drug development and treatmentTravaux en français237 207