MétaCan
Menu
← Retour à la cohorte
Enregistrement W4353029215 · doi:10.1101/2023.03.21.23287487

TEMPORAL TRENDS AND TRANSMISSION DYNAMICS OF PRE-TREATMENT HIV-1 DRUG RESISTANCE WITHIN AND BETWEEN RISK GROUPS IN KENYA, 1986-2020

2023· preprint· en· W4353029215 sur OpenAlexafffund
George M. Nduva, Fredrick Otieno, Joshua Kimani, Yiakon Sein, Dawit Assefa Arimide, Lyle R. McKinnon, François Cholette, Morris K. Lawrence, Maxwell Majiwa, Moses Masika, Gaudensia Mutua, Omu Anzala, Susan M. Graham, Larry Gelmon, Matt A. Price, Adrian D. Smith, Robert C. Bailey, Patrik Medstrand, Eduard J. Sanders, Joakim Esbjörnsson, Amin S. Hassan

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensPublic Health Agency of CanadaUniversity of Manitoba
Organismes subventionnairesAlliance for Accelerating Excellence in Science in AfricaNew Partnership for Africa's DevelopmentGovernment of the United KingdomSvenska Sällskapet för Medicinsk ForskningWellcome TrustAfrican Academy of SciencesManitoba Health Research CouncilVetenskapsrådetInternational AIDS Vaccine Initiative
Mots-clésHIV drug resistanceDrug resistanceTransmission (telecommunications)MedicineDemographyHuman immunodeficiency virus (HIV)Antiretroviral therapyPhylogenetic treeVirologyViral loadBiologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background Evidence on the distribution of pre-treatment HIV-1 drug resistance (HIVDR) by risk groups is limited in Africa. We assessed prevalence, trends, and transmission dynamics of pre-treatment HIVDR within-and-between men who have sex with men (MSM), people who inject drugs (PWID), female sex workers (FSW), heterosexuals (HET), and children infected perinatally in Kenya. Methods HIV-1 partial pol sequences from antiretroviral-naïve samples collected between 1986-2020 were used. Pre-treatment RTI, PI and INSTI mutations were assessed using the Stanford HIVDR database. Phylogenetics methods were used to determine and date transmission clusters. Results Of 3567 sequences analysed, 550 (15.4%, 95% CI: 14.2-16.6) had at least one pre-treatment HIVDR mutation, which was most prevalent amongst children (41.3%), followed by PWID (31.0%), MSM (19.9%), FSW (15.1%) and HET (13.9%). No INSTI resistance mutations were detected. Among HET, pre-treatment HIVDR increased from 6.6% in 1986-2005 to 20.2% in 2011-2015 but dropped to 6.5% in 2016-2020. Overall, 22 clusters with shared pre-treatment HIVDR mutations were identified. The largest was a K103N mutation cluster involving 16 MSM sequences sampled between 2010-2017, with an estimated tMRCA of 2005 (HPD, 2000-2008). This lineage had a growth rate=0.1/year and R 0 =1.1, indicating propagation over 12 years among ART-naïve MSM in Kenya. Conclusions Compared to HET, children and key populations had higher levels of pre-treatment HIVDR. Introduction of INSTIs after 2016 may have reversed the increase in pre-treatment RTI mutations in Kenya. Continued surveillance of HIVDR, with a particular focus on children and key populations, is warranted to inform treatment strategies in Kenya. Summary Compared to the heterosexual population, key populations had higher levels of pre-treatment HIV-1 drug resistance (HIVDR). Propagation of HIVDR was risk-group exclusive. Introduction of integrase inhibitors abrogated propagation of reverse transcriptase inhibitors mutations among the heterosexual, but not key populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,318
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetHIV/AIDS Research and Interventions→Travaux en français237 207→