MétaCan
Menu
Retour à la cohorte
Enregistrement W4407115522 · doi:10.1016/j.jhep.2025.01.013

Number of people treated for hepatitis C virus infection in 2014-2023 and applicable lessons for new HBV and HDV therapies

2025· article· en· W4407115522 sur OpenAlexaff
Homie Razavi, Imam Waked, Huma Qureshi, Loreta A. Kondili, Ann‐Sofi Duberg, Soo Aleman, Junko Tanaka, Jeffrey V. Lazarus, Daniel Low‐Beer, Zaigham Abbas, Antoine Abou Rached, Alessio Aghemo, Inka Aho, Ulus Salih Akarca, Said A. Al‐Busafi, Waleed K. Al‐Hamoudi, Khalid Al‐Naamani, Ahmed Sabry Alaama, Manahil M Aldar, Mohammed Alghamdi, Mónica Alonso González, Haleema Alserehi, Anil C. Anand, Tarik Asselah, Abdullah M. Assiri, Kostas Athanasakis, Rita Atugonza, Ziv Ben‐Ari, Thomas Berg, Carlos Eduardo Brandão‐Mello, A. Brown, Kimberly Brown, Robert S. Brown, Philip Bruggmann, Maurizia Rossana Brunetto, María Buti, Hugo Cheinquer, Peer Brehm Christensen, Vladimir Chulanov, Laura Garza, Carla S. Coffin, Nicola Coppola, Antonio Craxı̀, Javier Crespo, Fuqiang Cui, Olav Dalgård, Alethse de la Torre, Victor de Lédinghen, Douglas T. Dieterich, Sylvia Dražilová, Jean‐François Dufour, Mohamed El‐Kassas, Mohammed Elbadri, Gamal Esmat, Rafael Esteban Mur, Brandon Eurich, Diana Faini, Paulo Roberto Abrão Ferreira, Robert Flisiak, Soňa Fraňková, Giovanni Battista Gaeta, Ivane Gamkrelidze, Edward Gane, Virginia Garcia, Javier García‐Samaniego, Manik Gemilyan, Magnús Gottfreðsson, Michael Gschwantler, Ana Paula Maciel Gurski, Behzad Hajarizadeh, Saeed Hamid, Angelos Hatzakis, Julian Hercun, Ivana Hockicková, Jee‐Fu Huang, Béla Hunyady, Sharon Hutchinson, Naoko Ishikawa, Kiyohiko Izumi, Antonio Izzi, Martin Janíčko, Peter Jarčuška, Agita Jēruma, Asgeir Johannessen, Kulpash Kaliaskarova, Jia‐Horng Kao, Knut Boe Kielland, Nicolas Kodjoh, Shyamasundaran Kottilil, Pavol Kristián, Paul Y. Kwo, Martin Lagging, Hilton Y. Lam, Pablo Lázaro, Mei‐Hsuan Lee, Sabela Lens, Valentina Liakina, Young‐Suk Lim, Michael Makara, M.P. Manns, Casimir Manzengo, Sadik Memon, Maria Cássia Mendes-Corrêa, Vincenzo Messina, Håvard Midgard, Niamh Murphy, Erkin Musabaev, Marcelo Contardo Moscoso Naveira, H. Nde, Francesco Negro, Nirada Nim, Ponsiano Ocama, Sigurður Ólafsson, C. Omuemu, Javier Pamplona, Calvin Q. Pan, George Papatheodoridis, Nikolay Pimenov, Hossein Poustchi, Maria Giovanna Quaranta, Alnoor Ramji, Henna Rautiainen, Devin Razavi‐Shearer, Kathryn Razavi‐Shearer, Ezequiel Ridruejo, Cielo Ríos, Shakhlo Sadirova, Faisal M. Sanai, Christoph Sarrazin, Gulya Sarybayeva, Ivan Schréter, Carole Seguin‐Devaux, Leandro Soares Sereno, Gamal Shiha, Josie Smith, Riham Soliman, Mark Sonderup, C Wendy Spearman, Rudolf Stauber, Catherine Stedman, Vana Sypsa, Frank Tacke, Norah A. Terrault, Ieva Tolmane, Berend Van Welzen, Alexis Voeller, Yasir Waheed, Carolyn Wallace, Robert Whittaker, Vincent Wai‐Sun Wong, Magdalena Ydreborg, Kakharman Yesmembetov, Ming‐Lung Yu, Stefan Zeuzem, Eli Zuckerman

Notice bibliographique

RevueJournal of Hepatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatitis C virus research
Établissements canadiensUniversity of British ColumbiaCentre Hospitalier de l’Université de MontréalUniversity of Calgary
Organismes subventionnairesDivision of Materials ResearchEuropean CommissionJoseph C. Monastra Foundation for Pancreatic Cancer ResearchAbbVieCalifornia Dental Association FoundationWorld Health OrganizationPan American Health OrganizationGilead Sciences
Mots-clésVirologyHepatitis D virusHepatitis B virusMedicineVirusHepatitis a virus

Résumé

récupéré en direct d'OpenAlex

BACKGROUND & AIMS: The year 2023 marked the 10-year anniversary of the launch of direct-acting antivirals (DAAs) for the treatment of hepatitis C virus (HCV). Monitoring HCV treatment trends by country, region, and globally is important to assess progress toward the World Health Organization's 2030 elimination targets. Additionally, historical patterns can help predict the uptake of future therapies for other liver diseases. METHODS: The number of people living with HCV (PLHCV) treated between 2014-2023 across 119 countries was estimated using national HCV registries, reported DAA sales data, pharmaceutical companies' reports, and estimates provided by national experts. For the countries with no available data, the average estimate of the corresponding Global Burden of Disease region was used. RESULTS: An estimated 13,816,000 (95% uncertainty intervals: 13,221,000-16,415,000) PLHCV were treated, of whom 12,748,000 (12,226,000-15,231,000) were treated with DAAs, of which 11,081,000 (10,542,000-13,338,000) were sofosbuvir-based DAA regimens. Country-level data accounted for 97% of these estimates. In high-income countries, there was a 41% drop in treatment from its peak, and reimbursement was a large predictor of treatment. In low- and middle-income countries, price played an important role in expanding treatment access through the public and private markets, and treatment continues to increase slowly after a sharp drop at the end of the Egyptian national program. CONCLUSIONS: In the last 10 years, 21% of all HCV infections were treated with DAAs. Regional and temporal variations highlight the importance of active screening strategies. Without program enhancements, the number of treated PLHCV stalled in every country/region, which may not reflect a lower prevalence but may instead reflect the diminishing returns of existing strategies. IMPACT AND IMPLICATIONS: Long-term hepatitis C virus (HCV) infection can lead to cirrhosis and liver cancer. Since 2014, these infections can be effectively treated with 8-12 weeks of oral therapies. In 2015, the World Health Organization established targets to eliminate HCV by 2030, which included treatment targets for member countries. The current study examines HCV treatment patterns across 119 countries and regions from 2014 to 2023 to assess the impact of national programs. This study can assist physicians and policymakers in understanding treatment patterns within similar regions or income groups and in utilizing historical data to refine their strategies in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,044
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,384
Écart entre enseignants0,354 · 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 tête enseignante, 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

Citations18
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of HepatologyMême sujetHepatitis C virus researchTravaux en français237 207