Opportunities for sexual transmission of antiretroviral drug resistance among HIV-infected patients in care
Notice bibliographique
Résumé
OBJECTIVE: To assess opportunities for transmitted drug resistance (TDR), we examined sexual risk behaviours, HIV viraemia and antiretroviral resistance among patients in care. DESIGN: A retrospective, cross-sectional analysis of clinical cohort data. METHODS: For 244 UNC Center for AIDS Research HIV Clinical Cohort participants, demographic and behavioural data were obtained during in-person interviews between 2000 and 2011. Genotypic resistance tests were interpreted using WHO surveillance drug resistance mutations (SDRMs). Log-linear binomial regression was used to evaluate associations with TDR risk, defined as unprotected sex in the prior 6 months, HIV RNA at least 400 copies/ml and at least one SDRM. RESULTS: Participants included 91 (37%) women and 153 men, of whom 92 (60%) were MSM. Median age was 43 years; 70% were Black (n = 171). Most (97%) were antiretroviral-experienced; 44% had exposure to more than four regimens. Among 204 individuals on antiretrovirals, 42% reported suboptimal adherence and 29% were viraemic. Over half of participants had at least one SDRM (n = 131); 26 (11%) had triple-class resistance. Overall, 70% were sexually active, and 55% used condoms inconsistently. Thirty (12%) reported unprotected sex during periods of drug-resistant viraemia. Higher TDR risk was associated with prior homelessness [adjusted prevalence ratio (aPR) 2.20, 95% confidence interval (CI) 1.16-4.18], active substance use (aPR 3.12, 95% CI 1.47-6.62) and nonsignificantly with MSM (aPR 1.75, 95% CI 0.93-3.28). CONCLUSION: A small but significant proportion of clinic patients with drug-resistant HIV engage in sexual behaviours that place others at risk for TDR. Targeted efforts in secondary prevention could have an impact on TDR incidence, over time.
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 ».