Characterizing viral subtypes to assess patterns of HIV transmission
Notice bibliographique
Résumé
We characterized HIV-1 subtypes among 204 persons newly diagnosed with HIV in Ontario from 2003 to 2005 using samples from the Canadian HIV Strain and Drug Resistance Surveillance Program. We examined HIV-1 subtype by demographic characteristics and exposure category, and determined independent predictors of infection with a non-B HIV subtype using multivariate logistic regression. The distribution of HIV subtypes was: B 77.0%, C 10.3%, AG 4.9%, A 2.5%, AE 2.5% and others 3.0%. Overall, 23.0% were non-B, greater in women than in men (62.8% versus 12.4%, P < 0.0001) and persons under 35 years (31.1% versus 18.5% in those ≥35, P = 0.04). Non-B subtype was predominant (78.9%) among persons from HIV-endemic regions and considerable (28.6%) among other persons infected heterosexually. In multivariate modelling adjusted for gender, non-B subtype was significantly associated with birth in an HIV-endemic region (adjusted odds ratio [aOR] 59.2, P < 0.0001) and heterosexual exposure (aOR 6.3, P = 0.02). Additionally, compared with men who had sex with men, non-B subtype was greater among heterosexual women (aOR 17.8, P < 0.001) and women who injected drugs (injection drug use, aOR 13.4, P = 0.01). We found a non-negligible proportion of non-B subtypes among women infected heterosexually not from HIV-endemic countries, providing interesting insights into HIV transmission patterns.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».