Determination of Clinically Relevant Cutoffs for HIV-1 Phenotypic Resistance Estimates Through a Combined Analysis of Clinical Trial and Cohort Data
Notice bibliographique
Résumé
BACKGROUND: Clinically relevant cutoffs are needed for the interpretation of HIV-1 phenotypic resistance estimates as predicted by "virtual" phenotype HIV resistance analysis. METHODS: Using a clinical data set containing 2596 treatment change episodes in 2217 patients in 8 clinical trials and 2 population-based cohorts, drug-specific linear regression models were developed to describe the relation between baseline characteristics (resistance, viral load, and treatment history), new treatment regimen selected, and 8-week virologic outcome. RESULTS: These models were used to derive clinical cutoffs (CCOs) for 6 nucleoside/nucleotide reverse transcriptase inhibitors (zidovudine, lamivudine, stavudine, didanosine, abacavir, and tenofovir), 3 unboosted protease inhibitors (PIs; indinavir, amprenavir, and nelfinavir), and 4 ritonavir-boosted PIs (indinavir/ritonavir, amprenavir/ritonavir, saquinavir/ritonavir, lopinavir/ritonavir). The CCOs were defined as the phenotypic resistance levels (fold change [FC]) associated with a 20% and 80% loss of predicted wild-type drug effect and depended on the drug-specific dynamic range of the assay. CONCLUSIONS: The proposed CCOs were better correlated with virologic response than were biological cutoffs and provide a relevant tool for estimating the resistance to antiretroviral drug combinations used in clinical practice. They can be applied to diverse patient populations and are based on a consistent methodologic approach to interpreting phenotypic drug resistance.
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 | 0,149 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».