Short Communication: Effects of Age on Virologic Suppression and CD4 Cell Response in HIV-Positive Patients Initiating Combination Antiretroviral Therapy
Notice bibliographique
Résumé
Older HIV-positive patients may experience reduced benefit and increased toxicities from combination antiretroviral therapies (cART) due to late diagnosis, weakened immune systems, and other age-related physiological changes. This study investigates the effect of age on time to virologic suppression and CD4 cell count response to cART. Data were collected from a tertiary care immunodeficiency clinic in Toronto. HIV-positive patients with cART initiation after 1/1/1998 were included. Log logistic accelerated failure time models were used to estimate the effect of age on time to virologic suppression. Mixed linear models were used to evaluate CD4 cell response to treatment. A total of 502 patients were studied; 445 were less than 50 years old and 57 were age 50 or over. Of these 73% were male. Thirty-one percent started treatment with boosted protease inhibitors and 43% with nonnucleoside reverse transcriptase inhibitors. In a log logistic model adjusting for gender, immigration status, AIDS-defining illness, years since HIV diagnosis, baseline CD4 count and viral load, cART type, calendar year of cART initiation, and hepatitis C diagnosis, older age was not associated with time to virologic suppression (n=418, time ratio=0.94, p=0.20). In a multivariable mixed linear regression model adjusting for the same covariates, age was not associated with CD4 cell count response (n=418, β=0.34, p=0.96). Time to virologic suppression and immunologic response were not significantly different among older and younger patients. Further studies should investigate adherence, comorbidities, and regimen changes in addition to the current covariates.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».