Hepatitis C virus genotypes in patients with chronic hepatitis C infection in southern Iran from 2016 to 2019
Notice bibliographique
Résumé
Hepatitis C is a liver disease caused by the hepatitis C virus (HCV). The treatment of HCV infection has become more complicated due to various genotypes and subtypes of HCV. The treatment of HCV has made significant advances with direct-acting antivirals. However, for the choice of medicine or the combination of drugs for hepatitis C, it is imperative to detect and discriminate the crucial HCV genotypes. The main objective of this study was to determine the pattern of circulating HCV genotypes in southern Iran, from 2016 until 2019. The other aim of the study was to determine possible associations of patients' risk factors with HCV genotypes. A total of 803 serum samples were collected in 4 years (2016-2019) from patients with HCV antibody positive results. A total of 728 serum samples were HCV-RNA positive. The prevalence of HCV genotypes was detected using the genotype-specific RT-PCR test for serum samples obtained from 615 patients. The HCV genotype 1 (G1) was the most prevalent (48.8%) genotype in the area, with G1a, G1b, and mixed G1a/b representing 38.4%, 10.1%, and 0.3%, respectively. Genotype 3a was the next most prevalent (47.2%). Mixed genotypes 1a/3a were detected in 22 (3.6%) and finally G4 was found in 3 (0.5%) patients. The other HCV genotypes were not detected in any patient. Genotype 1 (1a and 1b alone, 1a/1b and 1a/3a coinfections) is the most prevalent HCV genotype in southern Iran. HCV G1 shows a significantly higher rate in people under 40 years old.
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) | 0,001 | 0,001 |
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 ».