Feminizing hormone therapy in a Canadian cohort of transgender women with and without HIV
Notice bibliographique
Résumé
Background Potential bidirectional drug–drug interactions between feminizing hormone therapy (FHT) and antiretroviral therapy (ART) are of concern for trans women with HIV and their healthcare providers. This study aimed to characterize patterns of FHT and ART among trans women with HIV and to compare serum hormone levels to trans women without HIV. Methods Charts of trans women were reviewed at seven HIV primary care or endocrinology clinics in Toronto and Montreal from 2018 to 2019. ART regimens, FHT use, serum estradiol, and serum testosterone levels were compared on the basis of HIV status (positive, negative, missing/unknown). Results Of 1495 trans women, there were 86 trans women with HIV, of whom 79 (91.8%) were on ART. ART regimens were most commonly integrase inhibitor-based (67.4%), many boosted with ritonavir or cobicistat (45.3%). Fewer (71.8%) trans women with HIV were prescribed FHT, compared to those without HIV (88.4%) and those with missing/unknown status (90.2%, p < 0.001). Among trans women on FHT with recorded serum estradiol ( n = 1153), there was no statistical difference in serum estradiol between those with HIV (median: 203 pmol/L, IQR: 95.5, 417.5) and those with negative (200 mol/L [113, 407]) or missing/unknown HIV status (227 pmol/L [127.5, 384.5) ( p = 0.633). Serum testosterone concentrations were also similar between groups. Conclusions In this cohort, trans women with HIV were prescribed FHT less often than trans women with negative or unknown HIV status. There was no difference in serum estradiol or testosterone levels of trans women on FHT regardless of HIV status, providing reassurance regarding potential drug–drug interactions between FHT and ART.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».