The impact of syndromic treatment of sexually transmitted diseases on genital shedding of HIV-1
Notice bibliographique
Résumé
OBJECTIVES: To examine the impact of sexually transmitted diseases (STD) syndromic treatment on genital shedding of HIV and the impact among women in whom STD treatment was not successful. DESIGN: Seventy-one HIV-infected women were included; 60 had symptomatic STD [72% with genital discharge syndrome (GDS) and 28% with genital ulcer syndrome (GUS)] and 11 controls did not have symptomatic STD. Cervical HIV load in 94% women was measured at baseline and after STD treatment. RESULTS: Cervical HIV load at entry was significantly higher in women with symptomatic STD than in controls [median, 3.15; interquartile range (IQR), 1.90-3.34 versus median, 1.90; IQR, 1.90-2.19 log10 RNA copies/swab, respectively; P = 0.024]. Women with STD were also more likely to have detectable cervical HIV RNA (68% versus 27%; P = 0.016). Cervical HIV load was significantly higher in women with GUS than in those with GDS (median 3.46; IQR, 2.84-4.18 versus median, 2.83; IQR, 1.90-3.31 log10 copies/swab; P = 0.019). There was no significant reduction in genital HIV shedding after syndromic treatment of GDS or GUS. However, significant decreases were limited to only those with clinical improvement (median, 2.91; IQR, 1.90-3.45 versus median, 2.25; IQR, 1.90-3.08 log10 RNA copies/swab, respectively; P = 0.006). GUS was significantly associated with treatment failure, independent of plasma HIV RNA load and CD4 T-cell count (odds ratio, 4.79; 95% confidence interval, 1.32-17.46). CONCLUSIONS: The fact that STD syndromic treatment impacts very little in reducing genital HIV shedding underscores the need for appropriate validation of STD syndromic diagnosis and management to control heterosexual transmission of HIV.
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 ».