MétaCan
Menu
Retour à la cohorte
Enregistrement W3015620945 · doi:10.1002/jia2.25484

Weight gain among treatment‐naïve persons with HIV starting integrase inhibitors compared to non‐nucleoside reverse transcriptase inhibitors or protease inhibitors in a large observational cohort in the United States and Canada

2020· article· en· W3015620945 sur OpenAlexafffundabout
Kassem Bourgi, Cathy A. Jenkins, Peter F. Rebeiro, Bryan E. Shepherd, Frank J. Palella, Richard D. Moore, Keri N. Althoff, M. John Gill, Charles S. Rabkin, Stephen J. Gange, Michael A. Horberg, Joseph B. Margolick, Jun Li, Cherise Wong, Amanda L. Willig, Viviane D. Lima, Heidi M. Crane, Jennifer E. Thorne, Michael J. Silverberg, Gregory D. Kirk, William C. Mathews, Timothy R. Sterling, Jordan E. Lake, John R. Koethe

Notice bibliographique

RevueJournal of the International AIDS Society · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV-related health complications and treatments
Établissements canadiensUniversity of British ColumbiaUniversity of Calgary
Organismes subventionnairesU.S. National Library of MedicineNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of Allergy and Infectious DiseasesNational Cancer InstituteNational Institute on Alcohol Abuse and AlcoholismCanadian Institutes of Health ResearchOntario Ministry of Health and Long-Term CareHealth Resources and Services AdministrationNational Institute on Drug AbuseNational Institute on Minority Health and Health DisparitiesCenters for Disease Control and PreventionAgency for Healthcare Research and QualityNational Institutes of HealthFogarty International CenterNational Heart, Lung, and Blood InstituteGilead Sciences
Mots-clésDolutegravirMedicineRaltegravirIntegrase inhibitorIntegraseCohortElvitegravirWeight changeInternal medicineRitonavirCohort studyViral loadAntiretroviral therapyPharmacologyVirologyHuman immunodeficiency virus (HIV)Weight loss

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Weight gain following antiretroviral therapy (ART) initiation is common, potentially predisposing some persons with HIV (PWH) to cardio‐metabolic disease. We assessed relationships between ART drug class and weight change among treatment‐naïve PWH initiating ART in the North American AIDS Cohort Collaboration on Research and Design (NA‐ACCORD). Methods Adult, treatment‐naïve PWH in NA‐ACCORD initiating integrase strand transfer inhibitor (INSTI), protease inhibitor (PI) or non‐nucleoside reverse‐transcriptase inhibitor (NNRTI)‐based ART on/after 1 January 2007 were followed through 31 December 2016. Multivariate linear mixed effects models estimated weight up to five years after ART initiation, adjusting for age, sex, race, cohort site, HIV acquisition mode, treatment year, and baseline weight, plasma HIV‐1 RNA level and CD4 + cell count. Due to shorter follow‐up for PWH receiving newer INSTI drugs, weights for specific INSTIs were estimated at two years. Secondary analyses using logistic regression and all covariates from primary analyses assessed factors associated with >10% weight gain at two and five years. Results Among 22,972 participants, 87% were male, and 41% were white. 49% started NNRTI‐, 31% started PI‐ and 20% started INSTI‐based regimens (1624 raltegravir (RAL), 2085 elvitegravir (EVG) and 929 dolutegravir (DTG)). PWH starting INSTI‐based regimens had mean estimated five‐year weight change of +5.9kg, compared to +3.7kg for NNRTI and +5.5kg for PI. Among PWH starting INSTI drugs, mean estimated two‐year weight change was +7.2kg for DTG, +5.8kg for RAL and +4.1kg for EVG. Women, persons with lower baseline CD4 + cell counts, and those initiating INSTI‐based regimens had higher odds of >10% body weight increase at two years (adjusted odds ratio = 1.37, 95% confidence interval: 1.20 to 1.56 vs. NNRTI). Conclusions PWH initiating INSTI‐based regimens gained, on average, more weight compared to NNRTI‐based regimens. This phenomenon may reflect heterogeneous effects of ART agents on body weight regulation that require further exploration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,956

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,274
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations243
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of the International AIDS SocietyMême sujetHIV-related health complications and treatmentsTravaux en français237 207