Overcoming resistance to existing therapies in HIV‐infected patients: The role of new antiretroviral drugs
Notice bibliographique
Résumé
Resistance to available antiretroviral (ARV) agents is of increasing concern, and development of novel agents that address this problem has been identified as a major public health priority. As ARV resistance becomes more prevalent with extended use of existing agents, individuals with HIV infection resistant to all three traditional classes of ARVs, nucleoside reverse transcriptase inhibitors (NRTIs), non-nucleoside reverse transcriptase inhibitors (NNRTIs) and protease inhibitors (PIs), find themselves increasingly limited with regard to effective treatment options. The need for tolerable new drug regimens that effectively suppress viral replication while being simple to adhere to is increasingly pressing. This article reviews the epidemiology of antiretroviral drug resistance, the factors that contribute to the emergence of resistance, and presents data that support the need for early detection of resistance and maximal virologic suppression in order to delay treatment failure and reduce mortality. Healthcare providers are encouraged to optimize therapy through the use of new agents from existing drug classes, which can minimize cross-resistance, as well as agents with novel mechanisms of action, in order to realize the potential for greater viral containment and to forestall development of resistance mutations. This article evaluates several emerging therapies that are in late-stage clinical development and promise to expand treatment options for highly treatment-experienced patients with the goal of improving outcomes for HIV-infected individuals whose options for sustained antiviral efficacy are increasingly limited.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 ».