Explaining variability in the relationship between antiretroviral adherence and HIV mutation accumulation
Notice bibliographique
Résumé
OBJECTIVES: Determining the relationship between antiretroviral adherence and resistance accumulation is important for the design and evaluation of adherence interventions. Our objective was to explain heterogeneity observed in this relationship. METHODS: We first conducted a systematic review to locate published reports describing the relationship between adherence and resistance. We then used a validated computer simulation to simulate the patient populations in these reports, exploring the impact of changes in individual patient characteristics (age, CD4, viral load, prior antiretroviral experience) on the shape of the adherence-resistance (A-R) curve. RESULTS: The search identified 493 titles, of which 3 contained relevant primary data and 2 had sufficient follow-up for inclusion (HOMER and REACH cohorts). When simulating HOMER, the A-R curve had a high peak with a greatly increased hazard ratio (HR) of accumulating mutations at partial compared to complete adherence (simulation, HR 2.9; HOMER, HR 2.7). When simulating REACH, the A-R curve had a shallow peak with a slightly increased hazard of accumulating mutations at partial adherence (simulation, HR 1.2; REACH, HR 1.4). This heterogeneity was primarily attributable to differences in antiretroviral experience between the cohorts. CONCLUSIONS: Our computer simulation was able to explain much of the heterogeneity in observed A-R curves.
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 | 0,002 | 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 ».