Effectiveness of Protease Inhibitor/Nucleos(t)ide Reverse Transcriptase Inhibitor–Based Second-line Antiretroviral Therapy for the Treatment of Human Immunodeficiency Virus Type 1 Infection in Sub-Saharan Africa: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Background: In sub-Saharan Africa, 25.5 million people are living with human immunodeficiency virus (HIV), representing 70% of the global total. The need for second-line antiretroviral therapy (ART) is projected to increase in the next decade in keeping with the expansion of treatment provision. Outcome data are required to inform policy. Methods: We performed a systematic review and meta-analysis of studies reporting the virological outcomes of protease inhibitor (PI)-based second-line ART in sub-Saharan Africa. The primary outcome was virological suppression (HIV-1 RNA <400 copies/mL) after 48 and 96 weeks of treatment. The secondary outcome was the proportion of patients with PI resistance. Pooled aggregate data were analyzed using a DerSimonian-Laird random effects model. Results: By intention-to-treat analysis, virological suppression occurred in 69.3% (95% confidence interval [CI], 58.2%-79.3%) of patients at week 48 (4558 participants, 14 studies), and in 61.5% (95% CI, 47.2%-74.9%) at week 96 (2145 participants, 8 studies). Preexisting resistance to nucleos(t)ide reverse transcriptase inhibitors (NRTIs) increased the likelihood of virological suppression. Major protease resistance mutations occurred in a median of 17% (interquartile range, 0-25%) of the virological failure population and increased with duration of second-line ART. Conclusions: One-third of patients receiving PI-based second-line ART with continued NRTI use in sub-Saharan Africa did not achieve virological suppression, although among viremic patients, protease resistance was infrequent. Significant challenges remain in implementation of viral load monitoring. Optimizing definitions and strategies for management of second-line ART failure is a research priority. Prospero Registration: CRD42016048985.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,032 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».