MétaCan
Menu
Retour à la cohorte
Enregistrement W2109530717 · doi:10.1086/605503

Impact of Select Immunologic and Virologic Biomarkers on CD4 Cell Count Decrease in Patients with Chronic HIV‐1 Subtype C Infection: Results from Sinikithemba Cohort, Durban, South Africa

2009· article· en· W2109530717 sur OpenAlexfundno aff
Zabrina L. Brumme, Bingxia Wang, Kriebashne Nair, Chanson J. Brumme, Chantal de Pierres, Shabashini Reddy, Boris Jülg, Eshia Moodley, Christina Thobakgale, Zhigang Lu, Mary van der Stok, Karen Bishop, Zenele Mncube, Fundisiwe Chonco, Yuko Yuki, Nicole Frahm, Christian Brander, Mary Carrington, Kenneth A. Freedberg, Photini Kiepiela, Philip Goulder, Bruce D. Walker, Thumbi Ndung’u, Elena Losina

Notice bibliographique

RevueClinical Infectious Diseases · 2009
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueHIV Research and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchCenter for AIDS Research, University of WashingtonNational Research FoundationWellcome TrustHarvard UniversityNational Cancer InstituteNational Institutes of HealthInternational AIDS Vaccine InitiativeNational Institute of Allergy and Infectious DiseasesBill and Melinda Gates Foundation
Mots-clésImmunologyViral loadCD8MedicineCohortT cellLentivirusHuman leukocyte antigenPopulationLymphocyteImmune systemInternal medicineVirologyVirusAntigenViral disease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The extent to which immunologic and clinical biomarkers influence human immunodeficiency virus type 1 (HIV-1) infection outcomes remains incompletely characterized, particularly for non-B subtypes. On the basis of data supporting in vitro HIV-1 protein-specific CD8 T lymphocyte responses as correlates of immune control in cross-sectional studies, we assessed the relationship of these responses, along with established HIV-1 biomarkers, with rates of CD4 cell count decrease in individuals infected with HIV-1 subtype C. METHODS: Bivariate and multivariate mixed-effects models were used to assess the relationship of baseline CD4 cell count, plasma viral load, human leukocyte antigen (HLA) class I alleles, and HIV-1 protein-specific CD8 T cell responses with the rate of CD4 cell count decrease in a longitudinal population-based cohort of 300 therapy-naive, chronically infected adults with baseline CD4 cell counts >200 cells/mm(3) and plasma viral loads >500 copies/mL over a median of 25 months of follow-up. RESULTS: In bivariate analyses, baseline CD4 cell count, plasma viral load, and possession of a protective HLA allele correlated significantly with the rate of CD4 cell count decrease. No relationship was observed between HIV-1 protein-specific CD8 T cell responses and CD4 cell count decrease. Results from multivariate models incorporating baseline CD4 cell counts (201-350 vs >350 cells/mm(3)), plasma viral load (< or =100,000 vs >100,000 copies/mL), and HLA (protective vs not protective) yielded the ability to discriminate CD4 cell count decreases over a 10-fold range. The fastest decrease was observed among individuals with CD4 cell counts >350 cells/mm(3) and plasma viral loads >100,000 copies/mL with no protective HLA alleles (-59 cells/mm(3) per year), whereas the slowest decrease was observed among individuals with CD4 cell counts 201-350 cells/mm(3), plasma viral loads < or =100,000 copies/mL, and a protective HLA allele (-6 cells/mm(3) per year). CONCLUSIONS: The combination of plasma viral load and HLA class I type, but not in vitro HIV-1 protein-specific CD8 T cell responses, differentiates rates of CD4 cell count decrease in patients with chronic subtype-C infection better than either marker alone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,278
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetHIV Research and TreatmentTravaux en français237 207