Point-of-care tests for HIV drug resistance monitoring: an update of the literature and future viewpoints
Notice bibliographique
Résumé
INTRODUCTION: HIV drug resistance (HIVDR) threatens global antiretroviral therapy (ART) success, especially as treatment scales up in resource-limited settings (RLS). Conventional genotypic HIVDR testing relies on complex instrumentation and often involves long turnaround time, creating critical gaps in managing virologic failure. Point-of-care test (POCT) technologies offer the potential of same-day resistance detection and immediate treatment optimization at the site of care. AREAS COVERED: This review examines potential HIVDR POCT technologies, with primary focus on advances from 2022 to 2025. It evaluates both established platforms and emerging approaches. Each technology is assessed against WHO REASSURED criteria for point-of-care diagnostics. It also summarizes the relevant clinical validation data, early field implementation experiences, and their feasibility of integration into existing laboratory systems in low- to middle-income countries (LMICs). EXPERT OPINION: While no single platform currently fulfills all REASSURED criteria, several show strong potentials for near-term implementation, particularly OLA-Simple. Multi-country validation studies support its utility; however, PCR dependence still limits POC usage. Key challenges remain, including limited HIVDR mutations coverage, reliance on complex lab instrumentation, and high costs that hinder scalability and long-term sustainability. By 2030, routinized HIVDR POCT could transform HIV care by enabling real-time treatment decisions, even in RLS or LMICs.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 ».