Increasing Prevalence of HIV Pretreatment Drug Resistance in Women But Not Men in Rural Uganda During 2005–2013
Notice bibliographique
Résumé
The prevalence of HIV pretreatment drug resistance (PDR) is increasing in sub-Saharan Africa. We sought to describe correlates of PDR and evaluate effects of PDR on clinical outcomes in rural Uganda. We analyzed data from the Uganda AIDS Rural Treatment Outcomes study, a cohort of antiretroviral therapy (ART)-naive adults with HIV (2005–2015). We performed resistance testing on pre-ART specimens. We defined PDR as any World Health Organization (WHO) 2009 surveillance drug resistance mutation and classified PDR level using the Stanford algorithm. We fit unadjusted and sex-stratified log binomial regression and Cox proportional hazard models to identify correlates of PDR and the impact of PDR on viral suppression, loss to follow-up (LTFU), and death. We analyzed data from 738 participants (median age 33 years, 69% female). Overall, prevalence of PDR was 3.5% (n = 26), owing mostly to resistance to non-nucleoside reverse transcriptase inhibitors. PDR increased over time in women (1.8% in those enrolling in clinic in 2001–2006, vs. 7.0% in 2007–2013; p = 0.006), but not in men (1.15% vs. 0.72%, p = 0.737). Lower pre-ART log10 HIV RNA was also associated with higher prevalence of PDR. We identified longer time to viral suppression among those with PDR compared with without PDR (0.5 and 0.3 years, respectively, p = 0.023), but there was no significant relationship with mortality or LTFU (p = 0.139). We observed increasing rates of PDR in women in southwestern Uganda. Implications of this trend, particularly to prevention of mother-to-child transmission programs in the region, require attention due to delayed viral suppression among those with PDR.
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 ».