Changes in renal and metabolic indices after switching from tenofovir disoproxil fumarate– to tenofovir alafenamide–containing ART among individuals with HIV in Canada: A retrospective study
Notice bibliographique
Résumé
We assessed renal and metabolic changes associated with switching from tenofovir disoproxil fumarate (TDF)– to tenofovir alafenamide (TAF)–containing regimens among patients with HIV at the Maple Leaf Medical Clinic, Toronto, Canada. Using an electronic medical records retrospective chart review from July 2005 to December 2019, 651 patients aged ≥16 years taking TDF-containing regimens for ≥6 months who switched to TAF-containing regimens for ≥6 months were included. Change in estimated glomerular filtration rate (eGFR) was examined at 12-month follow-up. Secondary outcomes included change in urine albumin-to-creatinine ratio, serum phosphate, alkaline phosphatase (ALP), cholesterol markers, HbA1C, and weight. After 12 months, eGFR increased in 63% of the baseline eGFR <60 mL/min/1.73 m<sup>2</sup> group (mean change [SD] = +5.1 [10.8], <i>p</i> = 0.002), 52% for the baseline eGFR = 60–90 mL/min/1.73 m<sup>2</sup> group (+0.5 [10.4], <i>p</i> = 0.490), and 26% for baseline eGFR >90 mL/min/1.73 m<sup>2</sup> group (−7.2 [11.2], <i>p</i> <0.001). The multivariable generalized estimating equations model showed a significant reduction in eGFR after 12 months. Advanced age, HCV coinfection, and being switched to or on integrase inhibitors were significantly associated with reduced eGFR. Among secondary outcomes, ALP significantly decreased, while high-density lipoprotein, low-density lipoprotein, and weight significantly increased. Our findings suggest that TDF-to-TAF switching was beneficial for those with preexisting renal impairment (eGFR <60 mL/min/1.73 m<sup>2</sup>).
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».