Effects of Oral Cannabinoids on Systemic Inflammation and Viral Reservoir Markers in People with HIV on Antiretroviral Therapy: Results of the CTN PT028 Pilot Clinical Trial
Notice bibliographique
Résumé
Chronic HIV infection is characterized by persistent inflammation despite antiretroviral therapy (ART). Cannabinoids may help reduce systemic inflammation in people with HIV (PWH). To assess the effects of oral cannabinoids during HIV, ten PWH on ART were randomized (n = 5/group) to increasing doses of oral Δ9-tetrahydrocannabinol (THC): cannabidiol (CBD) combination (2.5:2.5–15:15 mg/day) capsules or CBD-only (200–800 mg/day) capsules for 12 weeks. Blood specimens were collected prospectively 7–21 days prior to treatment initiation and at weeks 0 to 14. Plasma cytokine levels were determined via Luminex and ELISA. Immune cell subsets were characterized by flow cytometry. HIV DNA/RNA were measured in circulating CD4 T-cells and sperm by ultra-sensitive qPCR. Results from both arms were combined for statistical analysis. Plasma levels of IFN-γ, IL-1β, sTNFRII, and REG-3α were significantly reduced at the end of treatment (p ˂ 0.05). A significant decrease in frequencies of PD1+ memory CD4 T-cells, CD73+ regulatory CD4 T-cells, and M-DC8+ intermediate monocytes was also observed (p ˂ 0.05), along with a transient decrease in CD28–CD57+ senescent CD4 and CD8 T-cells. Ki-67+ CD4 T-cells, CCR2+ non-classical monocytes, and myeloid dendritic cells increased over time (p ˂ 0.05). There were no significant changes in other inflammatory markers or HIV DNA/RNA levels. These findings can guide future large clinical trials investigating cannabinoid anti-inflammatory properties.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».