Pre-infection plasma cytokines and chemokines as predictors of HIV disease progression
Notice bibliographique
Résumé
Previous studies have highlighted the role of pre-infection systemic inflammation on HIV acquisition risk, but the extent to which it predicts disease progression outcomes is less studied. Here we examined the relationship between pre-infection plasma cytokine expression and the rate of HIV disease progression in South African women who seroconverted during the CAPRISA 004 tenofovir gel trial. Bio-Plex 200 system was used to measure the expression of 47 cytokines/chemokines in 69 seroconvertors from the CAPRISA 004 trial. Cox proportional hazards regression analyses were used to measure associations between cytokine expression and CD4 decline prior to antiretroviral therapy initiation. Linear regression models were used to assess whether pre-infection cytokine expression were predictors of disease progression outcomes including peak and set-point viral load and CD4:CD8 ratio at less and greater than180 days post infection. Several cytokines were associated with increased peak HIV viral load (including IL-16, SCGFβ, MCP-3, IL-12p40, SCF, IFNα2 and IL-2). The strongest association with peak viral load was observed for SCGFβ, which was also inversely associated with lowest CD4:CD8 ratio < 180 days post infection and faster CD4 decline below 500 cells/µl (adjusted HR 4.537, 95% CI 1.475-13.954; p = 0.008) in multivariable analysis adjusting for age, study site, contraception, baseline HSV-2 status and trial arm allocation. Our results show that pre-infection systemic immune responses could play a role in HIV disease progression, especially in the early stages of 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 | 0,000 |
| 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) | 0,002 | 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 ».