Estimation of time of HIV seroconversion using a modified CD4 depletion model
Notice bibliographique
Résumé
INTRODUCTION: Several methods have been proposed to estimate the time of HIV seroconversion, including those based on CD4 cell depletion models. However, previous models have failed to consider the heterogeneity that exists in CD4 trajectories among different sub-populations. Our objective was to estimate the time from HIV seroconversion relative to the HIV diagnosis date in a population-based cohort of people living with HIV (PLWH) in the province of British Columbia, Canada. METHODS: We used linked administrative and clinical data from the British Columbia Seek and Treat for Optimal Prevention of HIV/AIDS (STOP HIV/AIDS) cohort, which contains longitudinal individual-level data on all PLWH ever diagnosed in the province. Eligible participants were aged ≥18 years and diagnosed with HIV between 1989 and 2013. The outcome was pre-antiretroviral treatment CD4 cell count measurements assessed every six months. Models were stratified by age and stage of HIV infection at diagnosis. Several explanatory variables were considered including longitudinal viral load measurements. Longitudinal CD4, square root transformed, was modeled via a non-linear mixed effects model; time was modeled using an exponential decay function. We assumed a Gaussian distribution (identity link), an AR(1) correlation structure, and a random intercept and slope for the longitudinal viral load measurements. Due to the population variation in CD4 count among uninfected individuals, we assumed 500 to 1500 cells/mm3 as the normal range when estimating the time of HIV seroconversion. RESULTS: Longitudinal data on 1,253 individuals were analysed: 80% male, 33% White, and the median age at diagnosis was 38 years (25th-75th percentile [Q1-Q3], 31 to 45). CD4 decay differed by stage of infection at diagnosis and age, with those ≥50 years in Stages 1 and 2 experiencing a faster decline in CD4 over time. The median duration of infection from seroconversion until HIV diagnosis was 6.9 (Q1-Q3, 3.9 to 10.1) years. CONCLUSIONS: Considering the heterogeneity that exists in individual CD4 cell trajectories in a population, we presented a methodology that only relies on routinely collected HIV-related data, which can be further extended to estimate other epidemic measures.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».