A Prognostic Model for HIV Seroconversion Among Injection Drug Users as a Tool for Stratification in Clinical Trials
Notice bibliographique
Résumé
OBJECTIVE: The main goal of this study was to construct a prognostic model for HIV seroconversion among injection drug users (IDUs) using easy-to-measure risk indicators. DESIGN: Cox proportional hazards regression modeling was used for risk stratification in a heterogeneous population of IDUs with regards to HIV risk-taking behaviors. METHODS: Subjects were recruited in a prospective cohort of IDUs followed between September 1992 and October 2001. A total of 1602 men, seronegative at enrollment with at least 1 follow-up visit, were included in the analyses. Only variables that consistently predict HIV seroconversion in several settings were considered. The final model was used to assign a risk score for each participant. RESULTS: Three risk indicators were included in the risk score to predict HIV seroconversion: unstable housing, average cocaine injections per day, and having shared a syringe with a known HIV-positive partner. Kaplan-Meier survival functions were generated and risk score values stratified in 3 groups. HIV incidence rates per 100 person-years were as follows: 0.91 (95% CI, 0.55-1.52) for the low-risk group, 3.10 (95% CI, 2.49-3.84) for the moderate-risk group, and 7.82 (95% CI, 6.30-9.73) for the high-risk group (log-rank P value < 0.0001). CONCLUSION: If validated in other settings, this risk score may improve the prediction of outcome and allow more accurate stratification in clinical trials.
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 | 0,063 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».