Effects of drug resistance on viral load in patients failing antiretroviral therapy
Notice bibliographique
Résumé
Previous studies on patients who develop drug resistant HIV-1 variants have shown that continued use of failing regimens might provide clinical benefit. However, the effect of long-term exposure to drug resistant variants may lead to emergence of compensatory mutations that may jeopardize this effect. In this study, we assess associations among type and number of drug resistant mutations, viral load and disease progression in patients with long-term follow up. Patients with genotypic testing performed at the time of treatment failure were enrolled. Comparison of viral load and CD4 cell count between different resistance groups was performed using analysis of variance. Multiple linear regression analysis was performed to assess the simultaneous effects of the presence of particular mutations and their accumulation on viral load. Data from 475 patients who were followed for a median of 43 months from October 1999 to July 2005 were studied. A "V shape" relationship was observed between the number of mutations and viral load. Specifically, in patients harboring up to five mutations, viral load was reduced by 0.8 log/copies when compared to wild-type variants. However, with more than six mutations viral load progressively increased. Certain reverse transcriptase mutations such as M184V/I, K70R, V108I, and protease mutations such as L33FIV, M84V, and M36I were associated with reduced viral load. Together, these findings suggest that long-term maintenance of a sub-optimal antiretroviral regimen may have deleterious consequences for the patient.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».