Drug resistance mutations after the first 12 months on antiretroviral therapy and determinants of virological failure in Rwanda
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
OBJECTIVE: To evaluate HIV drug resistance (HIVDR) and determinants of virological failure in a large cohort of patients receiving first-line tenofovir-based antiretroviral therapy (ART) regimens. METHODS: A nationwide retrospective cohort from 42 health facilities was assessed for virological failure and development of HIVDR mutations. Data were collected at ART initiation and at 12 months of ART on patients with available HIV-1 viral load (VL) and ART adherence measurements. HIV resistance genotyping was performed on patients with VL ≥1000 copies/ml. Multiple logistic regression was used to determine factors associated with treatment failure. RESULTS: Of 828 patients, 66% were women, and the median age was 37 years. Of the 597 patients from whom blood samples were collected, 86.9% were virologically suppressed, while 11.9% were not. Virological failure was strongly associated with age <25 years (adjusted odds ratio [aOR]: 6.4; 95% confidence interval [CI]: 3.2-12.9), low adherence (aOR: 2.87; 95% CI: 1.5-5.0) and baseline CD4 counts <200 cells/μl (aOR 3.4; 95% CI: 1.9-6.2). Overall, 9.1% of all patients on ART had drug resistance mutations after 1 year of ART; 27% of the patients who failed treatment had no evidence of HIVDR mutations. HIVDR mutations were not observed in patients on the recommended second-line ART regimen in Rwanda. CONCLUSIONS: The last step of the UNAIDS 90-90-90 target appears within grasp, with some viral failures still due to non-adherence. Nonetheless, youth and late initiators are at higher risk of virological failure. Youth-focused programmes could help prevent further drug HIVDR development.
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 | 0,000 | 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 découle