Risk Factors for Hepatitis C Virus Reinfection After Sustained Virologic Response in Patients Coinfected With HIV
Notice bibliographique
Résumé
Background: Highly effective hepatitis C virus (HCV) therapies have spurred a scale-up of treatment to populations at greater risk of reinfection after sustained virologic response (SVR). Reinfection may be higher in HIV-HCV coinfection, but prior studies have considered small selected populations. We assessed risk factors for reinfection after SVR in a representative cohort of Canadian coinfected patients in clinical care. Methods: All patients achieving SVR after HCV treatment were followed with HCV RNA measurements every 6 months in a prospective cohort study. We used Bayesian Cox regression to estimate reinfection rates according to patient reported injection drug use (IDU) and sexual activity among men who have sex with men (MSM). Results: Of 497 patients treated for HCV, 257 achieved SVR and had at least 1 subsequent RNA measurement. During 589 person-years of follow-up (PYFU) after SVR, 18 (7%) became HCV RNA positive. The adjusted reinfection rate (per 1000 PYFU) in the first year after SVR was highest in those who reported high-frequency IDU (58; 95% credible interval [CrI], 18-134) followed by MSM reporting high-risk sexual activity (26; 95% CrI, 6-66) and low-frequency IDU (22; 95% CrI, 4-68). The rate in low-risk MSM (16; 95% CrI, 4-38) was similar to that in reference patients (10; 95% CrI, 4-20). Reinfection rates did not diminish with time. Conclusions: HCV reinfection rates varied according to risk. Measures are needed to reduce risk behaviors and increase monitoring in high-risk IDU and MSM if HCV elimination targets are to be realized.
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 | 0,001 | 0,034 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».