A prognostic model for development of significant liver fibrosis in HIV-hepatitis C co-infection
Notice bibliographique
Résumé
BACKGROUND: Liver fibrosis progresses rapidly in HIV-Hepatitis C virus (HCV) co-infected individuals partially due to heightened inflammation. Immune markers targeting stages of fibrogenesis could aid in prognosis of fibrosis. METHODS: A case-cohort study was nested in the prospective Canadian Co-infection Cohort (n = 1119). HCV RNA positive individuals without fibrosis, end-stage liver disease or chronic Hepatitis B at baseline (n = 679) were eligible. A random subcohort (n = 236) was selected from those eligible. Pro-fibrogenic markers and Interferon Lambda (IFNL) rs8099917 genotype were measured from first available sample in all fibrosis cases (APRI ≥ 1.5 during follow-up) and the subcohort. We used Cox proportional hazards and compared Model 1 (selected clinical predictors only) to Model 2 (Model 1 plus selected markers) for predicting 3-year risk of liver fibrosis using weighted Harrell's C and Net Reclassification Improvement indices. RESULTS: 113 individuals developed significant liver fibrosis over 1300 person-years (8.63 per 100 person-years 95% CI: 7.08, 10.60). Model 1 (age, sex, current alcohol use, HIV RNA, baseline APRI, HCV genotype) was nested in model 2, which also included IFNL genotype and IL-8, sICAM-1, RANTES, hsCRP, and sCD14. The C indexes (95% CI) for model 1 vs. model 2 were 0.720 (0.649, 0.791) and 0.756 (0.688, 0.825), respectively. Model 2 classified risk more appropriately (overall net reclassification improvement, p<0.05). CONCLUSIONS: Including IFNL genotype and inflammatory markers IL-8, sICAM-1, RANTES, hs-CRP, and sCD14 enabled better prediction of the 3-year risk of significant liver fibrosis over clinical predictors alone. Whether this modest improvement in prediction justifies their additional cost requires further cost-benefit analyses.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».