Temporal trends of transmitted HIV drug resistance in a multinational seroconversion cohort
Notice bibliographique
Résumé
BACKGROUND: The rate of transmitted drug resistance (TDR) may increase with wider use of antiretroviral therapy and can contribute to therapeutic failure. We analysed time trends in TDR among HIV seroconverters. METHODS: Using CASCADE data of individuals with well estimated dates of HIV seroconversion, we examined HIV nucleotide sequences collected prior to antiretroviral therapy use from 1996-2012. All samples were taken within 12 months of testing HIV positive. Using logistic regression, we examined the association between TDR and year of seroconversion, adjusting for confounders. RESULTS: Of 4717 individuals seroconverting between 1996 and 2012, median (IQR) age at seroconversion was 33 (27, 39) years. The majority (3839; 92%) were male, mainly exposed through MSM (3767; 80%), and infected with subtype B (3464; 73%). Overall, 515 (11%) individuals had at least one drug resistance-related mutation; 280 individuals with nucleoside reverse transcriptase, 185 with nonnucleoside reverse transcriptase, and 144 with protease inhibitor mutations. Estimated TDR prevalence was 19.4% (8.2, 36.0) in 1996, significantly decreasing to 8.5% (5.9, 11.9) in 2012 [odds ratio (OR; 95% confidence interval (CI)) = 0.92 (0.90, 0.95) per year increase]. Individuals exposed through sex between men and women were significantly less likely to have been infected with a drug-resistant strain [OR (95% CI) = 0.59 (0.41, 0.87) compared with MSM], and there was marginal evidence that sampling during acute infection was associated with higher odds of resistance [OR (95% CI) = 1.20 (0.97, 1.7), P = 0.093] compared with later sampling. CONCLUSION: TDR has decreased over calendar time although a significant proportion of new infections still carry resistance-related mutations.
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 ».