CD4+ T-Cell Count Monitoring Does Not Accurately Identify HIV-Infected Adults With Virologic Failure Receiving Antiretroviral Therapy
Notice bibliographique
Résumé
BACKGROUND: CD4 T-lymphocyte (CD4) counts are widely used to monitor response to antiretroviral therapy (ART) in resource-limited settings. However, the utility of such monitoring in terms of predicting virologic response to therapy has been little studied. METHODS: We studied participants aged 18 years and older who initiated ART in Tororo, Uganda. CD4 counts, CD4 percentages, and viral load (VL) were examined at 6-monthly intervals. Various definitions of immunologic failure were examined to identify individuals with VLs>or=50, >or=500, >or=1000, or >or=5000 copies per milliliter at 6, 12, and 18 months after treatment initiation. RESULTS: One thousand sixty-three ART-naive persons initiated ART. The proportion of individuals with virologic failure ranged between 1.5% and 16.4% for each time point. The proportion with no increase in CD4 count from baseline did not differ between those with suppressed or unsuppressed VLs at 6, 18, and 24 months after ART initiation. No increase in CD4 cell counts at 6 months had a sensitivity of 0.04 [95% confidence interval (CI) 0.00 to 0.10] and a positive predictive value of 0.03 (95% CI 0.00 to 0.09) for identifying individuals with VL>or=500 copies per milliliter at 6 months. The best measure identified was an absolute CD4 cell count<125 cells per microliter at 21 months for predicting VL>or=500 copies per milliliter at 18 months which had a sensitivity of 0.13 (95% CI 0.01 to 0.21) and a positive predictive value of 0.29 (95% CI 0.10 to 0.44). CONCLUSIONS: CD4 cell count monitoring does not accurately identify individuals with virologic failure among patients taking ART.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».