Efficacy of antiviral therapy in treating hepatitis B virus infections
Notice bibliographique
Résumé
Roughly 292 million people worldwide carry chronic hepatitis B virus (HBV) infection, and less than 5% of those diagnosed currently receive antiviral treatment. This research evaluated the comparative efficacy of four antiviral regimens in achieving virological suppression, hepatitis B e-antigen (HBeAg) seroconversion, and liver function normalization among chronic HBV patients treated at a single Canadian center. A retrospective cohort of 244 treatment-naive chronic HBV patients was analyzed from records at Toronto Institute of Applied Sciences between March 2015 and February 2019. Patients received one of four regimens: tenofovir disoproxil fumarate (TDF, n = 87), entecavir (ETV, n = 74), tenofovir alafenamide (TAF, n = 52), or pegylated interferon alpha-2a (Peg-IFN, n = 31). The primary endpoint was virological suppression defined as HBV DNA levels below 20 IU/mL at week 96. Secondary endpoints included HBeAg seroconversion, alanine aminotransferase (ALT) normalization, and hepatitis B surface antigen (HBsAg) decline. At week 96, virological suppression rates were 89.2% for TDF, 85.1% for ETV, 92.4% for TAF, and 43.8% for Peg-IFN. The nucleos(t)ide analogue (NUC) groups all achieved significantly higher suppression rates compared to Peg-IFN (p10 mL/min) occurred in 8.1% of TDF patients versus 1.9% of TAF and 2.7% of ETV patients. Bone mineral density reductions were noted in 11.5% of TDF recipients. Peg-IFN was associated with more frequent adverse events including neutropenia (19.4%), fatigue (54.8%), and flu-like symptoms (67.7%). NUC-based regimens, particularly TAF, appear to offer the best balance of antiviral potency and safety for long-term management of chronic HBV. Peg-IFN retains a role in selected patients where finite therapy duration and immunological endpoints are prioritized over sustained virological suppression.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 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 ».