HIV Protease Inhibitor Use During Pregnancy Is Associated With Decreased Progesterone Levels, Suggesting a Potential Mechanism Contributing to Fetal Growth Restriction
Notice bibliographique
Résumé
BACKGROUND: Protease inhibitor (PI)-based combination antiretroviral therapy (cART) is administered during pregnancy to prevent perinatal human immunodeficiency virus (HIV) transmission. However, PI use has been associated with adverse birth outcomes, including preterm delivery and small-for-gestational-age (SGA) births. The mechanisms underlying these outcomes are unknown. We hypothesized that PIs contribute to these adverse events by altering progesterone levels. METHODS: PI effects on trophoblast progesterone production were assessed in vitro. A mouse pregnancy model was used to assess the impact of PI-based cART on pregnancy outcomes and progesterone levels in vivo. Progesterone levels were assessed in plasma specimens from 27 HIV-infected and 17 HIV-uninfected pregnant women. RESULTS: PIs (ritonavir, lopinavir, and atazanavir) but not nucleoside reverse transcriptase inhibitors (NRTIs) or nonnucleoside reverse transcriptase inhibitors reduced trophoblast progesterone production in vitro. In pregnant mice, PI-based cART but not dual-NRTI therapy was associated with significantly lower progesterone levels that directly correlated with fetal weight. Progesterone supplementation resulted in a significant improvement in fetal weight. We observed lower progesterone levels and smaller infants in HIV-infected women receiving PI-based cART, compared with the control group. In HIV-infected women, progesterone levels correlated significantly with birth weight percentile. CONCLUSIONS: Our data suggest that PI use in pregnancy may lead to lower progesterone levels that could contribute to adverse birth outcomes.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 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 ».