Reply to Waters et al.
Notice bibliographique
Résumé
To the Editor—We agree that HIV reverse-transcriptase (RT) codon 245 polymorphisms should not be used to deny abacavir therapy to patients [1]. As has been emphasized, the positive predictive value of the codon 245 test is low [1, 2]; ideally, persons with codon 245 polymorphisms should be screened for HLA-B*5701 prior to abacavir use. Instead, the high negative predictive value of the codon 245 test indicates that persons with wild-type RT 245V are at a substantially reduced risk for the abacavir hypersensitivity reaction. Given the ready availability of HIV RT sequence data (collected during routine drug-resistance testing) examining virus variation at codon 245 could be useful in situations in which HLA testing is limited or cost-prohibitive. HLA-B*5701 allele prevalence is typically highest among white individuals (∼5%) [3]. However, the prevalence of HLA-B*5701 in the population tested by Waters et al. [1] was ∼10-fold higher (54.7%), which is unprecedented in any unselected population. Waters et al. [1] specifically selected HLA-B*5701-positive individuals, with a random control group of HLA-B*5701-negative individuals for comparison (A. Pozniak, personal communication). Because negative predictive value depends on the characteristics of the population tested [4], the negative predictive value calculated by Waters et al. [1] is accurate only for this highly selected population and is irrelevant for the general population of HIV-infected individuals receiving antiviral drugs. The 2 large, prospective cohorts from which the study subset used in Waters et al. [1] was drawn exhibit a typical HLA-B*5701 allele prevalence of ∼7% [5, 6]. With this HLA-B*5701 prevalence, the negative predictive value in their population, using their reported 92.5% sensitivity, would actually be 99%, broadly similar to that given in our original report [2], and with overlapping confidence intervals.
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 | 0,006 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,040 | 0,051 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,011 |
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 ».