HIV Drug Resistance Among Key Populations in Nigeria: Insights From the 2020 Integrated Biological and Behavioral Surveillance Survey
Notice bibliographique
Résumé
OBJECTIVES: HIV drug resistance mutations (DRMs) undermine the effectiveness of antiretroviral therapy (ART) and can lead to treatment failure. This study aimed to characterize HIV drug resistance among key populations in Nigeria. DESIGN: A cross-sectional integrated biological and behavioral surveillance survey was conducted across 6 Nigerian geopolitical zones among female sex workers, men who have sex with men, people who inject drugs, and transgender individuals (August-December 2020). METHODS: Dried blood spot specimens were collected from 2309 participants, of whom 719 (31.1%) were HIV viremic (>1000 copies/mL). Partial HIV pol genes were sequenced using an in-house genotyping assay. DRMs were identified from MiSeq reads using HyDRA Web and interpreted with Stanford HIVdb. Pearson χ 2 tests assessed associations between sociodemographic factors and DRMs. RESULTS: Among 414 HIV genotyped specimens, 16.7% contained at least 1 DRM. Common DRMs included K103N, M41L, and M184V, with 9.2% showing high-level resistance to efavirenz and nevirapine. DRM prevalence was highest among people who inject drugs (21.6%) and residents of the North Central zone (25.8%). Age was significantly associated with DRMs ( P < 0.001). Notably, 58.7% of participants were unaware of their HIV-positive status and had never received ART. CONCLUSIONS: The presence of DRMs among ART-naive participants suggests transmitted drug resistance. The association between older age and DRMs may reflect suboptimal adherence, prior regimen exposure, or longer treatment. High-level resistance to efavirenz supports transitioning to dolutegravir-based first-line regimens and highlights the importance of supporting key populations in accessing and adhering to ART to prevent the spread of drug-resistant HIV.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».