Longitudinal patterns of illicit drug use, antiretroviral therapy exposure and plasma HIV-1 RNA viral load among HIV-positive people who use illicit drugs
Notice bibliographique
Résumé
OBJECTIVES: HIV-positive people who use illicit drugs (PWUD) experience elevated rates of HIV-associated morbidity and mortality compared with members of other key affected populations. Although suboptimal levels of access and adherence to antiretroviral therapy (ART) are common among HIV-positive PWUD, there is a need for studies investigating the possible biological impacts of noninjection illicit drug use among people living with HIV in real-world settings. METHODS: We accessed data from the ACCESS study, an ongoing prospective cohort of illicit drug users with systematic HIV viral load monitoring in a setting with universal care and ART dispensation records. We used multivariable generalized linear mixed models to estimate the longitudinal associations between noninjection use of crack cocaine, powder cocaine, opioids, methamphetamine, cannabis and alcohol on plasma HIV-1 RNA viral load, adjusted for ART exposure and relevant confounders. RESULTS: Between 2005 and 2018, 843 individuals from the ACCESS cohort were included and contributed to 8698 interviews. At baseline, the mean age was 43 years, 566 (67%) reported male sex and 659 (78%) used crack cocaine in the previous 6 months. In multivariable models adjusted for ART exposure, only crack cocaine use in the last 6 months was found to be significantly associated with higher HIV viral load. CONCLUSION: We observed significantly higher HIV viral load during periods of crack cocaine use independent of ART exposure. Our findings support further research to investigate the possible biological mechanisms of this effect.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».