Nevirapine Use Is Associated with Higher Bone Mineral Density in HIV-1 Positive Subjects on Long-Term Antiretroviral Therapy
Notice bibliographique
Résumé
We assessed bone mineral density (BMD) in a cohort of human immunodeficiency virus (HIV)-positive patients after a median of 11 years of combination antiretroviral therapy (cART) and evaluated the respective role of HIV infection and antiretroviral drugs (ARVs). A cross-sectional study of 162 participants (131 male) from the ANRS-C08 cohort was performed with bone dual-energy X-ray absorptiometry (DXA) scans and renal assessment. The window of exposure to ARVs was defined as an exposure of more than six cumulative months during the last 3 years before the DXA evaluation to account for a cumulative exposure that could affect bone remodeling. The association with low BMD (Z-score < −2) was assessed by a multiple logistic regression model. The study population was 50 years (median), hepatitis C virus (HCV) (18%), and hepatitis B virus (HBV) (8%) coinfection with HIV-RNA <50 c/mL in 89%, median CD4 of 619/mm 3 . Prevalence of low BMD was 18% in males and 6% in females. The factors associated with a Z-score < −2 in males were uric acid renal loss [adjusted odds ratio (aOR): 6.1; 95% confidence interval (CI): 1.2–31.5; p = .03], HCV coinfection (aOR: 4.0; 95% CI: 1.3–12.2; p = .02), and less frequent window of exposure to nevirapine (NVP) (aOR: 0.1; 95% CI: 0.02–0.6; p = .01). For the full study sample, there was a strong positive association between duration of exposure to NVP and lumbar spine Z-score ( p = .004). HIV-positive patients exposed to long-term cART have a high incidence of low BMD. Tenofovir disoproxil fumarate and ritonavir-boosted protease inhibitors did not seem to be associated with increased risk of low BMD, whereas NVP exposure appeared to have an independent positive association.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».