Characterizing plasma albumin concentration changes in TB/HIV patients on anti retroviral and anti –tuberculosis therapy
Notice bibliographique
Résumé
PURPOSE: Plasma albumin, a biomarker for hepatic function, is reported to correspondingly decrease in concentration as disease severity increases in chronic infections including HIV and TB. Our objective was to develop a semi-mechanistic disease progression model to quantify plasma albumin concentration changes during TB and HIV therapy and identify the associated covariate factors. METHODS: Plasma albumin concentration data was collected at specified times for 3 months from 262 HIV participants receiving efavirenz based anti retroviral therapy. Of these, 158 were TB co-infected and on Rifampicin based anti -tuberculosis co-treatment. An indirect response model with zero order albumin production and first order elimination was developed in NONMEM version 7.2 to describe our data. Genotype (CYP2B6*6 and 11, CYP3A5, ABCB1c.3435C>T and ABCB1rs), TB disease status, baseline age, body weight, plasma creatinine, alanine transaminase enzyme and CD4(+) count were the potential model covariates tested. RESULTS: The proposed model successfully described plasma albumin concentration changes in the study population. There was a 10.9% and 48.6% increase in albumin production rates in HIV only and TB co-infected participants respectively. Participants co-infected with TB showed a 44.2% lower baseline albumin secretion rate than those without TB while ABCB1c.3435C>T mutation was associated with a 16% higher steady state albumin secretion rate following treatment. CONCLUSION: A semi-mechanistic model describes plasma albumin concentration changes in HIV patients on ART. Further work is required to establish the utility of the model in monitoring disease progression and predicting prognosis in HIV and TB co-infected patients in absence of or during treatment.
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 | 0,000 |
| 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 ».