Pharmacogenetics of weight gain following switch from efavirenz- to integrase inhibitor-containing regimens
Notice bibliographique
Résumé
BACKGROUND: Excessive weight gain affects some persons with HIV after switching to integrase strand transfer inhibitor (INSTI)-containing antiretroviral therapy (ART). We studied associations between CYP2B6 genotype and weight gain after ART switch among ACTG A5001 and A5322 participants. METHODS: Eligible participants switched from efavirenz- to INSTI-containing ART, had genotype data, and had weight data at least once from 4 weeks to 2 years post-switch. Multivariable linear mixed effects models adjusted for race/ethnicity, CD4, age, BMI and INSTI type assessed relationships between CYP2B6 genotype and estimated differences in weight change. RESULTS: A total of 159 eligible participants switched ART from 2007 to 2019, of whom 138 had plasma HIV-1 RNA < 200 copies/mL (65 CYP2B6 normal, 56 intermediate, 17 poor metabolizers). Among participants with switch HIV-1 RNA < 200 copies/mL, weight increased in all 3 CYP2B6 groups. The rate of weight gain was greater in CYP2B6 poor than in CYP2B6 normal metabolizers overall, and within 9 subgroups (male, female, White, Black, Hispanic, dolutegravir, elvitegravir, raltegravir, and TDF in the pre-switch regimen); only in Hispanic and elvitegravir subgroups were these associations statistically significant ( P < 0.05). Compared to normal metabolizers, CYP2B6 intermediate status was not consistently associated with weight gain. CONCLUSION: CYP2B6 poor metabolizer genotype was associated with greater weight gain after switch from efavirenz- to INSTI-containing ART, but results were inconsistent. Weight gain in this setting is likely complex and multifactorial.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».