The impact of initial highly active antiretroviral therapy on future treatment sequences in HIV infection
Notice bibliographique
Résumé
OBJECTIVES: To determine whether the initial use of non-nucleoside reverse transcriptase inhibitors (NNRTI) or protease inhibitors (PI) differentially influences subsequent HIV therapy. DESIGN: A cohort study using a prospective clinical database in a university-based HIV clinic. SUBJECTS: A total of 440 HIV-seropositive patients, naive or nucleoside experienced, initiating therapy with either an NNRTI or PI between January 1998 and July 2003 and followed to December 2003. MAIN OUTCOME MEASURES: Time until stopping the first regimen and until exposure to all antiretroviral classes (excluding tenofovir and enfuvirtide) according to the type of initial regimen. RESULTS: A total of 291 subjects initiated HAART with PI and 149 with NNRTI; median follow-up 3.1 and 2.3 years, respectively. Subjects starting NNRTI remained on their initial regimens longer (median time to change 2.1 versus 1.6 years; log rank P = 0.03). Overall, subjects initiating NNRTI-based regimens were less likely to alter their therapy. Previous nucleoside exposure was an important predictor of treatment modification. Subjects initiating NNRTI-based HAART were also less likely to experience virological failure than those initiating PI-based HAART. Individuals starting with NNRTI were exposed to fewer regimens (15 versus 25% received three or fewer regimens), and showed a trend towards lower rates of three-class exposure (7 versus 12%). CONCLUSION: There is a high rate of treatment modification among patients initiating HAART. The initial use of NNRTI-based HAART was associated with more durable treatment and lower rates of virological failure, which may translate into a reduced need for multiple salvage therapies.
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 ».