Factors associated with rectal pH among men who have sex with men
Notice bibliographique
Résumé
Background Rectal chlamydia treatment failures up to 22% with azithromycin 1 g have been reported, but low tissue concentrations are unlikely to be the cause. Anecdotally, low rectal pH could reduce rectal azithromycin concentrations, with in vitro studies reporting higher minimum inhibitory concentrations (MICs) with lower pHs for antibiotics used to treat sexually transmissible infections (STIs). Leucocytes arising from an inflammatory immune response could also lower pH and efficacy. We examined factors that may alter rectal pH and potentially influence treatment outcomes. METHODS: We recruited consecutive men who have sex with men (MSM) from a Dutch STI clinic between October 2016 and July 2018 who had not used antibiotics in the past fortnight. Rectal mucus collected under anoscopy using a cotton swab was used to wet a pH indicator strip. Logistic regression was used to examine the association of pH <8.0 to demographic, dietary, sexual health and behaviour data, recent medication use and STI diagnosis. RESULTS: In total, 112 MSM were recruited (median age 37 years). It was found that 45% and 39% of men were HIV positive or had a rectal infection, respectively. And 50% had a rectal pH <8.0, with 27% reporting a pH between 6.0 and 6.5 where treatment failure is thought to occur for azithromycin. The adjusted odds ratio (OR) of a pH <8.0 showed that being aged 36-45 years (OR 6.7; 95%CI: 1.9-23.4) or having high rectal leucocytes in a Gram smear (OR 0.3; 95%CI: 0.1-0.7) were significantly associated with a low and high rectal pH, respectively. CONCLUSIONS: Lower rectal pH among MSM is associated with older age and could influence the rectal pharmacokinetics of azithromycin and other drugs influenced by pH and may therefore affect treatment outcomes.
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 | 0,001 | 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 | 0,001 |
| 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 ».