Time to Viremia for Patients Taking their First Antiretroviral Regimen and the Subsequent Resistance Profiles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The resistance profiles for patients on first-line antiretroviral therapy (ART) regimens after viremia have not been well studied in community clinic settings in the modern treatment era. OBJECTIVE: To determine time to viremia and the ART resistance profiles of viremic patients. METHODS: HIV-positive patients aged ≥16 years initiating a three-drug regimen were retrospectively identified from 01/01/06 to 12/31/12. The regimens were a backbone of two nucleoside reverse transcriptase inhibitors (NRTIs) and a third agent: a protease inhibitor (PI), non-nucleoside reverse transcriptase inhibitor (NNRTI), or an integrase inhibitor (II). Time to viremia was compared using a proportional hazards model, adjusting for demographic and clinical factors. Resistance profiles were described in those with baseline and follow-up genotypes. RESULTS: For 653 patients, distribution of third-agent use and viremia was: 244 (37%) on PIs with 80 viremia, 364 (56%) on NNRTIs with 84 viremia, and 45 (7%) on II with 11 viremia. Only for NNRTIs, time to viremia was longer than PIs (p = 0.04) for patients with a CD4 count ≥200 cells/mm(3). Of the 175 with viremia, 143 (82%) had baseline and 37 (21%) had follow-up genotype. Upon viremia, emerging ART resistance was rare. One new NNRTI (Y181C) mutation was identified and three patients taking PI-based regimens developed NRTI mutations (M184 V, M184I, and T215Y). CONCLUSIONS: Time to viremia for NNRTIs was longer than PIs. With viremia, ART resistance rarely developed without PI or II mutations, but with a few NRTI mutations in those taking PI-based regimens, and NNRTI mutations in those taking NNRTI-based regimens.
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.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle