Evolution of Protease Inhibitor Resistance in Human Immunodeficiency Virus Type 1 Infected Patients Failing Protease Inhibitor Monotherapy as Second-line Therapy in Low-income Countries: An Observational Analysis Within the EARNEST Randomized Trial
Notice bibliographique
Résumé
BACKGROUND: Limited viral load (VL) testing in human immunodeficiency virus (HIV) treatment programs in low-income countries often delays detection of treatment failure. The impact of remaining on failing protease inhibitor (PI)-containing regimens is unclear. METHODS: We retrospectively tested VL in 2164 stored plasma samples from 386 patients randomized to receive lopinavir monotherapy (after initial raltegravir induction) in the Europe-Africa Research Network for Evaluation of Second-line Therapy (EARNEST) trial. Protease genotypic resistance testing was performed when VL >1000 copies/mL. We assessed evolution of PI resistance mutations from virological failure (confirmed VL >1000 copies/mL) until PI monotherapy discontinuation and examined associations using mixed-effects models. RESULTS: Median post-failure follow-up (in 118 patients) was 68 (interquartile range, 48-88) weeks. At failure, 20% had intermediate/high-level resistance to lopinavir. At 40-48 weeks post-failure, 68% and 51% had intermediate/high-level resistance to lopinavir and atazanavir; 17% had intermediate-level resistance (none high) to darunavir. Common PI mutations were M46I, I54V, and V82A. On average, 1.7 (95% confidence interval 1.5-2.0) PI mutations developed per year; increasing after the first mutation; decreasing with subsequent mutations (P < .0001). VL changes were modest, mainly driven by nonadherence (P = .006) and PI mutation development (P = .0002); I47A was associated with a larger increase in VL than other mutations (P = .05). CONCLUSIONS: Most patients develop intermediate/high-level lopinavir resistance within 1 year of ongoing viral replication on monotherapy but retain susceptibility to darunavir. Viral load increased slowly after failure, driven by non-adherence and PI mutation development. CLINICAL TRIALS REGISTRATION: NCT00988039.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».