Parametric Modeling of Survival Data Based on Human Immune Virus (HIV) Infected Adult Patients under Highly Active Antiretroviral Therapy (HAART): A Case of Zewditu Referral Hospital, Addis Ababa (AA), Ethiopia
Notice bibliographique
Résumé
In the present article our aim is to model the HIV infected adult patients’ dataset. A retrospective cohort study was conducted in Zewditu Referral Hospital located in Addis Ababa, Ethiopia. Records of patients enrolled between September 2010 and August 2014 were reviewed continuously using patients’Antiretroviral Therapy (ART) unique identification numbers as reference. Kaplan-Meier survival curves and Log-Rank test were used to compare the survival experience of different category of patients. Then we attempted to model the above data with the help of four parametric models namely; Exponential, Weibull, Gompertz, and Log-logistic. All fitted models were compared separately by using AIC and log likelihood. The log-logistic model gave a better description of the time-to-death of HIV infected adult patients than the other models. Based on log-logistic model, age, weight, and functional status, TB screen, World Health Organization (WHO) clinical stage and educational level were found to be the most prognostic factors of time-to-death. Furthermore a high risk of death of patients was found to be associated with lower initial weight, WHO clinical stage IV, lower CD4 count, being ambulatory, bedridden, and TB screened and illiterate.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».