Rapid CD4 decline prior to antiretroviral therapy predicts subsequent failure to reconstitute despite HIV viral suppression
Notice bibliographique
Résumé
within one year of viral load suppression. Age and nadir CD4 cell counts are known risk factors associated with immune reconstitution failure. We chose controls (Patients with immune reconstitution success) of similar age and CD4 nadir cell with cases (Patients with immune reconstitution failure). We explored the potential effects of gender, HLA type, presence of co-infection, ethnicity, ART type, and rate of pre-treatment CD4 decline among cases and controls. Of more than 550 patients followed by our HIV clinic, 42 individuals met our definition of immune reconstitution failure and they were assigned to the cases group. 31 patients, comprising a range of ages and CD4 nadirs similar to those of the cases, were assigned to the control group. Our primary analysis was a regression model, predicting post-ART change in CD4 over time. After controlling for age and nadir CD4 cell counts, the only potential predictor that appears consistently associated with the rate of post-ART rise in CD4 over time in our cohort, regardless of the other variables that we have controlled for, is the rate of decline in CD4 pre-ART initiation. Several factors have been variably correlated with immune reconstitution failure of CD4 T cell count. Age and low CD4 nadir are factors previously shown to correlate with immune reconstitution failure; and we have controlled for them in our study. Another possible predictor is the rate of decline in CD4 pre-ART, which can serve as an additional marker of reconstitution failure and necessitate prioritizing individuals to ART initiation or identification of a subset of individuals that may be targeted for future adjunct strategies to improve immune recovery.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».