Association between lipodystrophy and length of exposure to ARTs in adult HIV-1 infected patients in Montreal
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to establish the prevalence of lipodystrophy and its association to cumulative exposure to antiretroviral drugs. METHOD: We conducted a cross sectional study in all HIV- infected patients attending the HIV clinic in the Centre hospitalier universitaire de Montréal (CHUM) with DEXA scan. Lipodystrophy was defined as a trunk/limb fat ratio ≥ 1.5. Association between cumulative exposure to antiretroviral (measured in years of use) with trunk/limb fat ratio (coded as a continuous variable) was assessed using univariate and multivariate linear regression for each antiretroviral drug with at least 40 exposed patients. RESULTS: One hundred sixty-six patients were included. Seventy-five percent were male, median age was 56 years, 67% were Caucasian. Overall, prevalence of lipodystrophy was 47%, with a mean trunk/limb fat ratio of 1.87, SD = 1.03, min = 0.6 and max = 5.87. Each 10-year increase in age and HIV infection duration was associated with an average increase of 0.24 and 0.34 for the trunk/limb fat ratio respectively. (p = 0.003, p = 0.002, respectively) Patients classified as lipodystrophic were more likely to be diabetic (50 vs. 28%, p = 0.07) and to have dyslipidemia (47 vs. 19%, p = 0.01). According to viral load at DEXA test, each one log increase was associated with less probability (0.7) of lipodystrophy. (p = 0.01) Among ARV drugs tested, there was an association between years of use of d4T, ritonavir and raltegravir and higher trunk/limb fat ratio (indicating more lipodystrophy) (p < 0.05). CONCLUSION: Lipodystrophy is very common in HIV infected patients and is correlated with duration of some new antiretroviral drugs.
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 ».