Resistance Issues With New Nucleoside/Nucleotide Backbone Options
Notice bibliographique
Résumé
The nucleoside and nucleotide reverse transcriptase inhibitors (NRTIs/NtRTIs) remain an enduring feature of combination therapy. As NRTI/NtRTI options continue to expand, questions arise about how best to combine these agents to create effective dual NRTI/NtRTI backbones in antiretroviral regimens while avoiding treatment-emergent drug resistance. Clinicians must consider how NRTIs/NtRTIs such as tenofovir DF (TDF), abacavir (ABC), and emtricitabine (FTC), as well as new once-daily and coformulated NRTIs/NtRTIs, interact with older agents when combined in novel regimens and how sequencing the new NRTIs can preserve future treatment options. Resistance data from clinical trials have revealed important information on the patterns, prevalence, and effects of resistance seen among patients experiencing virologic failure. In recent years, the prevalence of some mutations such as M184V and Q151M has remained relatively constant, while the L74V mutation, the 69 insertions, and thymidine analogue mutations have decreased in prevalence. Other mutations such as K65R and Y115F, while still relatively uncommon, are increasing in prevalence. This increase may be due to the use of new treatment combinations that select for these mutations at a higher rate. Clinical trials suggest that new regimens containing TDF or ABC select for K65R and that this mutation is observed more frequently with TDF; in contrast, L74V is observed more frequently in ABC-containing regimens but is not commonly selected by TDF-containing regimens. Several lines of evidence are converging to suggest that the presence of zidovudine may decrease the risk of L74V and K65R in ABC- or TDF-containing regimens. This review summarizes the clinical implications of resistance profiles associated with new NRTI/NtRTI regimens in current use and in advanced clinical studies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».