Modeling the effect of HIV coinfection on clearance and sustained virologic response during treatment for hepatitis C virus
Notice bibliographique
Résumé
BACKGROUND: HIV/hepatitis C (HCV) coinfection is a major concern in global health today. Each pathogen can exacerbate the effects of the other and affect treatment outcomes. Understanding the within-host dynamics of these coinfecting pathogens is crucial, particularly in light of new, direct-acting antiviral agents (DAAs) for HCV treatment that are becoming available. METHODS AND FINDINGS: In this study, we construct a within-host mathematical model of HCV/HIV coinfection by adapting a previously published model of HCV monoinfection to include an immune system component in infection clearance. We explore the effect of HIV-coinfection on spontaneous HCV clearance and sustained virologic response (SVR) by building in decreased immune function with increased HIV viral load. Treatment is modeled by modifying HCV burst-size, and we use clinically-relevant parameter estimates. Our model replicates real-world patient outcomes; it outputs infected and uninfected target cell counts, and HCV viral load for varying treatment and coinfection scenarios. Increased HIV viral load and reduced CD4(+) count correlate with decreased spontaneous clearance and SVR chances. Treatment efficacy/duration combinations resulting in SVR are calculated for HIV-positive and negative patients, and crucially, we replicate the new findings that highly efficacious DAAs reduce treatment differences between HIV-positive and negative patients. However, we also find that if drug efficacy decays sufficiently over treatment course, SVR differences between HIV-positive and negative patients reappear. CONCLUSIONS: Our model shows theoretical evidence of the differing outcomes of HCV infection in cases where the immune system is compromised by HIV. Understanding what controls these outcomes is especially important with the advent of efficacious but often prohibitively expensive DAAs. Using a model to predict patient response can lend insight into optimal treatment design, both in helping to identify patients who might respond well to treatment and in helping to identify treatment pathways and pitfalls.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».