Comparative Clinical Outcomes With Scale-up of Dolutegravir as First-Line Antiretroviral Therapy in Ukraine
Notice bibliographique
Résumé
BACKGROUND: Achievement of the UNAIDS 95-95-95 targets requires ARV regimens that are easy to use, well-tolerated, and cost-effective. Dolutegravir (DTG)-based regimens are efficacious and less costly than other common first-line regimens. This study assessed real-world effectiveness of DTG regimens in treatment-naive people living with HIV in Ukraine. METHODS: We extracted data from the national Medical Information System on all adult patients who initiated antiretroviral therapy (ART) with DTG, lopinavir/ritonavir, or efavirenz (EFV) between October 2017 and June 2018, at 23 large clinics in 12 regions of Ukraine. Viral suppression at 12 ± 3 months and retention at 12 months after treatment initiation were the outcomes of interest. RESULTS: Of total 1057 patients, 721 had a viral load test within the window of interest, and 652 (90%) had viral load of ≤ 200 copies/mL. The proportion with suppression was lower in the EFV group [aOR = 0.4 (95% confidence interval: 0.2 to 0.8)] and not different in the LPV group [aOR = 1.6 (0.5 to 4.9)] compared with the DTG group. A 24-month or longer gap between diagnosis and treatment was associated with lower odds of suppression [aOR = 0.4 (0.2 to 0.8)]. Treatment retention was 90% (957/1057), with no significant difference by regimen group. History of injecting drug use was associated with decreased retention [aOR = 0.5 (0.3 to 0.8)]. CONCLUSIONS: DTG-based regimens were comparable with LPV and more effective than EFV in achieving viral suppression among ART-naive patients in a multisite cohort in Ukraine. Treatment retention was equally high in all 3 groups. This evidence from Ukraine supports the ART Optimization Initiative as a strategy to improve efficiency of the ART program without negatively affecting patient clinical 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 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 | 0,010 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».