Atazanavir and Other Determinants of Hyperbilirubinemia in a Cohort of 1150 HIV-Positive Patients: Results from 9 Years of Follow-Up
Notice bibliographique
Résumé
Hyperbilirubinemia is common among patients exposed to atazanavir (ATV), but its long-term significance is not well documented. The objective was to analyze hyperbilirubinemia (incidence, regression, determinants, and outcome) among 1150 HIV-positive patients followed-up in a prospective cohort between 2003 and 2012. Cumulative incidence of hyperbilirubinemia grades 3-4 and its probability of regression were estimated using Kaplan-Meier method. Cox proportional hazards model was used to study the determinants. Generalized estimating equation (GEE) regression was used to evaluate the association between hyperbilirubinemia grades 3-4 and adverse health outcome. Eight years cumulative incidence of hyperbilirubinemia was 83.6% (95% CI:79.0-87.7) and 6.6% (95% CI:4.7-9.2) among ATV users and non-users, respectively. This clinical outcome fluctuated considerably, as most patients exposed to ATV (91%) regressed, transiently, to lower grade at some point during follow-up. Determinants were atazanavir (HR=147.90, 95% CI: 33.64-604.18), ritonavir (HR=5.18, 95% CI:2.33-11.48), zidovudine (HR=2.62, 95% CI:1.07-6.46), and age (HR=1.04 95% CI:1.01-1.08). Alcohol consumption and others non-antiretroviral medications including hepatotoxic and recreational drugs were not available for analyses. Incidence of hyperbilirubinemia was very high among ATV users and, although regression to lower grade was frequent in the clinical follow-up of these patients, this was usually transient as the mean level of bilirubin stayed at a relatively high level. Importantly, long-term hyperbilirubinemia was not associated with adverse health outcome.
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 | 0,000 | 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 ».