Adherence to Post-Exposure Prophylaxis (PEP) and Incidence of HIV Seroconversion in a Major North American Cohort
Notice bibliographique
Résumé
BACKGROUND: There is limited evidence on the efficacy of post-exposure prophylaxis (PEP) for sexual exposures. We sought to determine the factors associated with adherence to treatment and describe the incidence of PEP failures in a Montreal clinic. METHODS: We prospectively assessed all patients consulting for PEP following sexual exposures from October 2000 to July 2014. Patients were followed at 4 and 16 weeks after starting PEP. Treatment adherence was determined by self-report at week 4. Multivariable logistic regression was used to estimate the factors predicting adherence to treatment. RESULTS: 3547 PEP consults were included. Patients were mainly male (92%), MSM (83%) and sought PEP for anal intercourse (72%). Seventy-eight percent (n = 2772) of patients received a prescription for PEP, consisting of Tenofovir/Emtracitabine (TVD) + Lopinavir/Ritonavir (LPV) in 74% of cases, followed by Zidovudine/Lamivudine (CBV) + LPV (10%) and TVD + Raltegravir (RAL) (8%). Seventy percent of patients were adherent to treatment. Compared to TVD+LPV, patients taking CBV+LPV were less likely to adhere to treatment (OR 0.58, 95% CI 0.44-0.75), while no difference was observed for patients taking TVD+RAL (OR 1.15, 95% CI 0.83-1.59). First-time PEP consults, older and male patients were also more adherent to treatment. Ten treated patients seroconverted (0.37%) during the study period, yet only 1 case can be attributed to PEP failure (failure rate = 0.04%). CONCLUSION: PEP regimen was associated with treatment adherence. Patients were more likely to be adherent to TVD-based regimens. Ten patients seroconverted after taking PEP; however, only 1 case was a PEP failure as the remaining patients continued to engage in high-risk behavior during follow-up. One month PEP is an effective preventive measure to avoid HIV infection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».