Predicting Virological Response to HIV Treatment Over Time: A Tool for Settings With Different Definitions of Virological Response
Notice bibliographique
Résumé
OBJECTIVE: Definitions of virological response vary from <50 up to 1000 copies of HIV-RNA/mL. Our previous models estimate the probability of HIV drug combinations reducing the viral load to <50 copies/mL, with no indication of whether higher thresholds of response may be achieved. Here, we describe the development of models that predict absolute viral load over time. METHODS: Two sets of random forest models were developed using 50,270 treatment change episodes from more than 20 countries. The models estimated viral load at different time points following the introduction of a new regimen from variables including baseline viral load, CD4 count, and treatment history. One set also used genotypes in their predictions. Independent data sets were used for evaluation. RESULTS: Both models achieved highly significant correlations between predicted and actual viral load changes (r = 0.67-0.68, mean absolute error of 0.73-0.74 log10 copies/mL). The models produced curves of virological response over time. Using failure definitions of <100, 400, or 1000 copies/mL, but not 50 copies/mL, both models were able to identify alternative regimens they predicted to be effective for the majority of cases where the new regimen prescribed in the clinic failed. CONCLUSIONS: These models could be useful for selecting the optimum combination therapy for patients requiring a change in therapy in settings using any definition of virological response. They also give an idea of the likely response curve over time. Given that genotypes are not required, these models could be a useful addition to the HIV-TRePS system for those 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 | 0,021 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».