An update to the HIV-TRePS system: the development and evaluation of new global and local computational models to predict HIV treatment outcomes, with or without a genotype
Notice bibliographique
Résumé
OBJECTIVES: Optimizing antiretroviral drug combination on an individual basis in resource-limited settings is challenging because of the limited availability of drugs and genotypic resistance testing. Here, we describe our latest computational models to predict treatment responses, with or without a genotype, and compare the potential utility of global and local models as a treatment tool for South Africa. METHODS: Global random forest models were trained to predict the probability of virological response to therapy following virological failure using 29 574 treatment change episodes (TCEs) without a genotype, 3179 of which were from South Africa and were used to develop local models. In addition, 15 130 TCEs including genotypes were used to develop another set of models. The 'no-genotype' models were tested with an independent global test set (n = 1700) plus a subset from South Africa (n = 222). The genotype models were tested with 750 independent cases. RESULTS: The global no-genotype models achieved area under the receiver-operating characteristic curve (AUC) values of 0.82 and 0.79 with the global and South African tests sets, respectively, and the South African models achieved AUCs of 0.70 and 0.79. The genotype models achieved an AUC of 0.84. The global no-genotype models identified more alternative, locally available regimens that were predicted to be effective for cases that failed their new regimen in the South African clinics than the local models. Both sets of models were significantly more accurate predictors of outcomes than genotyping with rules-based interpretation. CONCLUSIONS: These latest global models predict treatment responses accurately even without a genotype, out-performed the local South African models and have the potential to help optimize therapy, particularly in resource-limited settings.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».