Treatment of hepatitis C infection for current or former substance abusers in a community setting
Notice bibliographique
Résumé
Substance abusers account for the largest number of hepatitis C infected cases in developed countries. We describe a care model for treating current or former substance abusers with antiviral therapy for hepatitis C virus (HCV) infection. The care model involved hepatitis nurses, a psychologist, infectious disease specialist and primary care physicians. Clients met selection criteria including regular attendance at clinic appointments and social stability. Use of alcohol and illicit substances was monitored with urine toxicology screens. The association between substance use, rates of completion of therapy and rates of response were assessed using multivariable regression analyses. A total of 109 clients (75 with genotype 1/4 and 34 with genotype 2/3) received at least one injection with pegylated interferon between November 2002 and January 2006. Treatment completion rates of 61 and 74% were achieved for genotypes 1/4 and 2/3, respectively. Treatment response rates in an intention to treat analysis were 51% for genotypes 1/4 and 68% for genotypes 2/3. A positive urine toxicology screen indicating use of illicit substances 6 months prior to initiating therapy was significantly associated with lower rates of treatment completion but not lower rates of sustained virological response. A positive urine screen indicating use of alcohol prior to therapy was significantly associated with lower rates of completion and lower rates of response. Rates of completion and response are comparable to non-substance abusing populations. Antiviral therapy for HCV infection can be successful within the context of ongoing care for substance abuse for carefully selected patients.
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 | 0,000 | 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 ».