Temporal trends and transmission dynamics of pre-treatment HIV-1 drug resistance within and between risk groups in Kenya, 1986–2020
Notice bibliographique
Résumé
BACKGROUND: Evidence on the distribution of pre-treatment HIV-1 drug resistance (HIVDR) among risk groups is limited in Africa. We assessed the prevalence, trends and transmission dynamics of pre-treatment HIVDR within and between MSM, people who inject drugs (PWID), female sex workers (FSWs), heterosexuals (HETs) and perinatally infected children in Kenya. METHODS: HIV-1 partial pol sequences from antiretroviral-naive individuals collected from multiple sources between 1986 and 2020 were used. Pre-treatment reverse transcriptase inhibitor (RTI), PI and integrase inhibitor (INSTI) mutations were assessed using the Stanford HIVDR database. Phylogenetic 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%), FSWs (15.1%) and HETs (13.9%). Overall, pre-treatment HIVDR increased consistently, from 6.9% (before 2005) to 24.2% (2016-20). Among HETs, pre-treatment HIVDR increased from 6.6% (before 2005) to 20.2% (2011-15), but dropped to 6.5% (2016-20). Additionally, 32 clusters with shared pre-treatment HIVDR mutations were identified. The majority of clusters had R0 ≥ 1.0, indicating ongoing transmissions. The largest was a K103N cluster involving 16 MSM sequences sampled between 2010 and 2017, with an estimated time to the most recent common ancestor (tMRCA) of 2005 [95% higher posterior density (HPD), 2000-08], indicating propagation over 12 years. CONCLUSIONS: Compared to HETs, children and key populations had higher levels of pre-treatment HIVDR. Introduction of INSTIs after 2017 may have abrogated the increase in pre-treatment RTI mutations, albeit in the HET population only. Taken together, our findings underscore the need for targeted efforts towards equitable access to ART for children and key populations in Kenya.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».