Discrepant results in the interpretation of HIV‐1 drug‐resistance genotypic data among widely used algorithms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to assess the concordance on the interpretation of HIV-1 drug-resistance genotypic data by three widely used algorithms: Stanford University Database (SU), TruGene (Visible Genetics, Canada) (VG) and VirtualPhenotype (Virco, Belgium) (VP). METHODS: Genotypic data from 293 HIV-1-infected individuals with treatment failure was interpreted for 14 antiretroviral drugs by the three algorithms. RESULTS: Complete concordant results among the three systems for all the drugs studied were found in 40/293 (13.7%) samples. Low concordance in the interpretation was observed for most nucleoside reverse transcriptase inhibitors (NRTIs), while results agreed highly for all nonnucleoside reverse transcriptase inhibitors (NNRTIs) and most protease inhibitors (PIs). In pair-wise comparisons, discordant interpretations between SU and VP were found in over 50% of the samples for didanosine, zalcitabine, stavudine and abacavir, and the level of disagreement between VG and VP exceeded 40% for the same drugs. Major discrepancies (high-level resistance interpretation by one algorithm with sensitive interpretation by another) were observed between VG and VP in over 10% of the cases for didanosine, zalcitabine, stavudine and abacavir. On the other hand, the three algorithms had concordant results for lamivudine in over 90% of the cases. CONCLUSIONS: This work demonstrates the great level of discordance in the interpretation of genotyping results among algorithms, clearly showing the necessity for clinical validation. Moreover, these results suggest that a joint effort from the scientific community as well as national and international HIV societies is needed to achieve a consensus for the interpretation of genotypic data.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle