MétaCan
Menu
Retour à la cohorte
Enregistrement W2205249602 · doi:10.1093/cid/civ963

Transmission of HIV Drug Resistance and the Predicted Effect on Current First-line Regimens in Europe

2015· article· en· W2205249602 sur OpenAlexfundno aff
L. Marije Hofstra, Nicolas Sauvageot, Jan Albert, Ivailo Alexiev, Féderico García, Daniel Struck, David van de Vijver, Birgitta Åsjö, Danail Beshkov, Suzie Coughlan, Diane Descamps, Algirdas Griškevičius, Osamah Hamouda, Andrzéj Horban, Marjo van Kasteren, Tatjana Kolupajeva, Leondios G. Kostrikis, Kirsi Liitsola, Marek Linka, Orna Mor, Claus Nielsen, Dan Oţelea, Dimitrios Paraskevis, Roger Paredes, Mario Poljak, Elisabeth Puchhammer‐Stöckl, Anders Sönnerborg, D Staneková, Maja Stanojević, Kristel Van Laethem, Maurizio Zazzi, Snježana Židovec Lepej, Charles A. Boucher, Jean-Claude Schmit, Annemarie M. J. Wensing

Notice bibliographique

RevueClinical Infectious Diseases · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS drug development and treatment
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundAIDS FondetMinistry of Education and ScienceVetenskapsrådetFonds National de la Recherche LuxembourgMinistry of Health, British ColumbiaIstituto Superiore di SanitàResearch Promotion FoundationVlaamse regeringEuropean CommissionStyrelsen för Internationellt Utvecklingssamarbete
Mots-clésMedicineDrug resistanceHuman immunodeficiency virus (HIV)Transmission (telecommunications)DrugSecond lineCurrent (fluid)VirologyFirst linePharmacologyInternal medicineMicrobiologyBiologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Numerous studies have shown that baseline drug resistance patterns may influence the outcome of antiretroviral therapy. Therefore, guidelines recommend drug resistance testing to guide the choice of initial regimen. In addition to optimizing individual patient management, these baseline resistance data enable transmitted drug resistance (TDR) to be surveyed for public health purposes. The SPREAD program systematically collects data to gain insight into TDR occurring in Europe since 2001. METHODS: Demographic, clinical, and virological data from 4140 antiretroviral-naive human immunodeficiency virus (HIV)-infected individuals from 26 countries who were newly diagnosed between 2008 and 2010 were analyzed. Evidence of TDR was defined using the WHO list for surveillance of drug resistance mutations. Prevalence of TDR was assessed over time by comparing the results to SPREAD data from 2002 to 2007. Baseline susceptibility to antiretroviral drugs was predicted using the Stanford HIVdb program version 7.0. RESULTS: The overall prevalence of TDR did not change significantly over time and was 8.3% (95% confidence interval, 7.2%-9.5%) in 2008-2010. The most frequent indicators of TDR were nucleoside reverse transcriptase inhibitor (NRTI) mutations (4.5%), followed by nonnucleoside reverse transcriptase inhibitor (NNRTI) mutations (2.9%) and protease inhibitor mutations (2.0%). Baseline mutations were most predictive of reduced susceptibility to initial NNRTI-based regimens: 4.5% and 6.5% of patient isolates were predicted to have resistance to regimens containing efavirenz or rilpivirine, respectively, independent of current NRTI backbones. CONCLUSIONS: Although TDR was highest for NRTIs, the impact of baseline drug resistance patterns on susceptibility was largest for NNRTIs. The prevalence of TDR assessed by epidemiological surveys does not clearly indicate to what degree susceptibility to different drug classes is affected.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,151
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,333
Écart entre enseignants0,307 · 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 tête enseignante, 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

Citations160
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetHIV/AIDS drug development and treatmentTravaux en français237 207