Reporting on the Prevalence of Antiretroviral Drug Resistance in a Regional HIV Population over 20 Years: A Word of Caution
Notice bibliographique
Résumé
BACKGROUND: Failure to achieve complete viral suppression with antiretroviral drugs (ARV) may lead to uncontrolled HIV replication, ARV resistance and negative outcomes. Monitoring and reporting of HIV resistance trends is important but problematic. We examined prevalent resistance rates in an HIV population over 20 years and document how rates may appear to vary greatly based solely on which parameters are utilized. METHODS: We determined the annual use of genotypic antiretroviral resistance testing (GART) from 1995 to 2014 for all patients receiving HIV care in southern Alberta, Canada, and the presence of resistance mutations in those tested. The impact on prevalent resistance rates of using cumulative or latest GART was also determined. RESULTS: Between 1995 and 2014, the number of patients with GART increased from <1% to 71%. Prevalent resistance in patients with GART decreased from a high of 52% in 2003 to 25.8% in 2014. However, if prevalence rates were reported using all active patients as denominator, including those without GART, prevalence increased from 0.7% to 18.5%. Prevalence rates were 7% to 9% higher in any given year if cumulative GART rather than latest GART results were used. CONCLUSIONS: While prevalence resistance rates are decreasing, the precise rates being reported may vary due to increasing number of patients tested annually, using either the entire population as denominator or only patients with GART, and using either last or cumulative GART. Defining these parameters is critical if prevalence is to be compared over time or between HIV populations.
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 ».