Clinical Evaluation of the Potential Utility of Computational Modeling as an HIV Treatment Selection Tool by Physicians with Considerable HIV Experience
Notice bibliographique
Résumé
The HIV Resistance Response Database Initiative (RDI), which comprises a small research team in the United Kingdom and collaborating clinical centers in more than 15 countries, has used antiretroviral treatment and response data from thousands of patients around the world to develop computational models that are highly predictive of virologic response. The potential utility of such models as a tool for assisting treatment selection was assessed in two clinical pilot studies: a prospective study in Canada and Italy, which was terminated early because of the availability of new drugs not covered by the system, and a retrospective study in the United States. For these studies, a Web-based user interface was constructed to provide access to the models. Participating physicians entered baseline data for cases of treatment failure and then registered their treatment intention. They then received a report listing the five alternative regimens that the models predicted would be most effective plus their own selection, ranked in order of predicted virologic response. The physicians then entered their final treatment decision. Twenty-three physicians entered 114 cases (75 unique cases with 39 entered twice by different physicians). Overall, 33% of treatment decisions were changed following review of the report. The final treatment decisions and the best of the RDI alternatives were predicted to produce greater virologic responses and involve fewer drugs than the original selections. Most physicians found the system easy to use and understand. All but one indicated they would use the system if it were available, particularly for highly treatment-experienced cases with challenging resistance profiles. Despite limitations, the first clinical evaluation of this approach by physicians with substantial HIV-experience suggests that it has the potential to deliver clinical and economic benefits.
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 | 0,000 |
| 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 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 ».