Mortality of treated HIV-1 positive individuals according to viral subtype in Europe and Canada
Notice bibliographique
Résumé
OBJECTIVES: To estimate prognosis by viral subtype in HIV-1-infected individuals from start of antiretroviral therapy (ART) and after viral failure. DESIGN: Collaborative analysis of data from eight European and three Canadian cohorts. METHODS: Adults (N>20 000) who started triple ART between 1996 and 2012 and had data on viral subtype were followed for mortality. We estimated crude and adjusted (for age, sex, regimen, CD4 cell count, and AIDS at baseline, period of starting ART, stratified by cohort, region of origin and risk group) mortality hazard ratios (MHR) by subtype. We estimated MHR subsequent to viral failure defined as two HIV-RNA measurements greater than 500 copies/ml after achieving viral suppression. RESULTS: The most prevalent subtypes were B (15 419; 74%), C (2091; 10%), CRF02AG (1057; 5%), A (873; 4%), CRF01AE (506; 2.4%), G (359; 1.7%), and D (232; 1.1%). Subtypes were strongly patterned by region of origin and risk group. During 104 649 person-years of observation, 1172/20 784 patients died. Compared with subtype B, mortality was higher for subtype A, but similar for all other subtypes. MHR for A versus B were 1.13 (95% confidence interval 0.85,1.50) when stratified by cohort, increased to 1.78 (1.27,2.51) on stratification by region and risk, and attenuated to 1.59 (1.14,2.23) on adjustment for covariates. MHR for A versus B was 2.65 (1.64,4.28) and 0.95 (0.57,1.57) for patients who started ART with CD4 cell count below, or more than, 100 cells/μl, respectively. There was no difference in mortality between subtypes A, B and C after viral failure. CONCLUSION: Patients with subtype A had worse prognosis, an observation which may be confounded by socio-demographic factors.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».