Reclassification of risk of death with the knowledge of D-dimer in a cohort of treated HIV-infected individuals
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the change in categories of risk of death by adding D-dimer to conventional mortality risk factors. DESIGN: Cohort study. METHODS: Data on HIV-infected participants receiving standard combination antiretroviral therapy in two clinical trials (Evaluation of Subcutaneous Proleukin in a Randomized International Trial and Strategic Management of antiretroviral therapy), who had baseline D-dimer measured, were randomly split into two equal training and a validation datasets. A multivariable survival model was built using the training dataset and included only conventional mortality risk factors measured at baseline. D-dimer was added to create the comparison model. The level of reclassification of mortality risk, for those with at least 5-years of follow-up, was then assessed by tabulating mortality risk defined as low (≤2% predicted rate), moderate (2-5%) or high (>5%). Reclassification analyses were then repeated on the validation dataset. RESULTS: The analysis population at baseline had a mean age of 43 years, median CD4(+) cell count of 535 cells/μl (IQR: 420-712), and 83% had HIV RNA of at least 500 copies/ml. In the training dataset (n=1946, 8939 person-years), there were 83 deaths at a rate of 0.93 per 100 person-years. Addition of D-dimer to the reference model resulted in 6% or fewer (P>0.05) being correctly reassigned, either up or down, to a new risk category, in both, training and validation datasets. The integrated discrimination improvement in training and validation datasets was 0.60% (P=0.084) and 0.45% (P=0.168), respectively. CONCLUSION: In this relatively well population, at the given risk cutoffs, D-dimer appeared to only modestly improve the discernment of risk. Risk reclassification provides a method for assessing the clinical utility of biomarkers in HIV cohort studies.
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) | 0,000 | 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 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 ».