Predictors of <scp>CD</scp>4 cell recovery following initiation of antiretroviral therapy among <scp>HIV</scp>‐1 positive patients with well‐estimated dates of seroconversion
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To investigate factors that predict speed of recovery and long-term CD4 cell count in HIV-1 seroconverters initiating combination antiretroviral therapy (cART), and to quantify the influence of very early treatment initiation. We make use of all pre-treatment CD4 counts, because analyses using only a single observation at initiation may be subject to biases. METHODS: We used data from the CASCADE (Concerted Action on SeroConversion to AIDS and Death in Europe) multinational cohort collaboration of HIV-1 seroconverters. We analysed pre- and post-treatment data of patients with seroconversion dates estimated January 2003-March 2014 (n = 7600 for primary analysis) using a statistical model in which the characteristics of recovery in CD4 counts are determined by multiple predictive factors. Secondary analyses were performed incorporating uncertainty in the exact timing of seroconversion to allow more precise estimation of the benefit of very early treatment initiation. RESULTS: 'True' CD4 count at cART initiation was the strongest predictor of CD4 count beyond 3 years on cART. Allowing for lack of complete certainty in the date of seroconversion, CD4 recovery was more rapid for patients in whom treatment was initiated within 4 months. For a given CD4 count, higher viral load (VL) at initiation was strongly associated with higher post-treatment CD4 recovery. For other patient and drug characteristics, associations with recovery were statistically significant but small in magnitude. CONCLUSIONS: CD4 count at cART initiation is the most important factor in predicting post-treatment recovery, but VL provides substantial additional information. If cART is initiated in the first 4 months following seroconversion, recovery of CD4 counts appears to be more rapid.
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.
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) | 0,001 | 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 | 0,000 |
| 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 découle