Impact of Hispanic or Asian Ethnicity on the Treatment Outcomes of Chronic Hepatitis C
Notice bibliographique
Résumé
BACKGROUND AND AIMS: African American ethnicity is a well-described negative predictor of treatment outcome for chronic hepatitis C (CHC); however, less is known about the influence of Hispanic and Asian ethnicity. The aim of this subanalysis of the Weight-based Dosing of PegINterferon α-2b and Ribavirin (WIN-R) study was to assess the impact of Asian (n=118), Hispanic (n=289), and white (n=3919) ethnicity on CHC treatment outcomes. METHODS: WIN-R was an investigator-initiated trial in which patients with CHC received pegylated interferon α-2b (1.5 μg/kg/wk) plus a fixed ribavirin dose (800 mg/d) or a weight-based ribavirin dose (800 to 1400 mg/d) for 24 or 48 weeks. RESULTS: Sustained virologic response was higher in Asian patients than in white patients (56% vs 46%, P=0.041), and higher in Asian and white patients than in Hispanic patients (56% vs 35%, P=0.0001; and 46% vs 35%, P=0.0002, respectively). In genotype 1 patients, sustained virologic response was higher in white and Asian patients than in Hispanic patients (36% and 45% vs 25%, P<0.001 for both comparisons); however, in genotype 2/3 patients, there were no significant differences among ethnic groups. Psychiatric adverse events were less common and anemia was more common in Asians than in white or Hispanic patients. Ribavirin dose reductions were less frequent in Hispanic patients than in white patients, whereas pegylated interferonα-2b dose reductions were more common in white patients than Hispanic patients. CONCLUSION: These observations highlight the importance of ethnicity as an integral component of the tailored treatment approach to CHC.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».