Clinical and demographic predictors of antiretroviral efficacy in HIV–HBV co-infected patients
Notice bibliographique
Résumé
Background: The clinical and demographic characteristics that predict antiretroviral efficacy among patients co-infected with HIV and hepatitis B virus (HBV) remain poorly defined. We evaluated HIV virological suppression and rebound in a cohort of HIV-HBV co-infected patients initiated on antiretroviral therapy. Methods: A retrospective cohort analysis was performed with Canadian Observation Cohort Collaboration data. Cox proportional hazards models were used to determine the factors associated with time to virological suppression and time to virological rebound. Results: HBV status was available for 2,419 participants. A total of 8% were HBV co-infected, of whom 95% achieved virological suppression. After virological suppression, 29% of HIV-HBV co-infected participants experienced HIV virological rebound. HBV co-infection itself did not predict virological suppression or rebound risk. The rate of virological suppression was lower among patients with a history of injection drug use or baseline CD4 cell counts of <199 cells per cubic millimetre. Low baseline HIV RNA and men-who-have-sex-with-men status were significantly associated with a higher rate of virological suppression. Injection drug use and non-White race predicted viral rebound. Conclusions: HBV co-infected HIV patients achieve similar antiretroviral outcomes as those living with HIV mono-infection. Equitable treatment outcomes may be approached by targeting resources to key subpopulations living with HIV-HBV co-infection.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».