Can Japan Achieve Zero Transmission of HIV? Time Series Analysis Using Bayesian Local Linear Trend Model.
Notice bibliographique
Résumé
BACKGROUND: The number of newly diagnosed human immunodeficiency virus (HIV) infections and acquired immune deficiency syndrome (AIDS) patients in Japan appears to be decreasing. However, whether these new infections cease to occur in the future in Japan, similar to abroad, is unclear. To evaluate the feasibility of this achievement, we conducted a time series analysis using Bayesian local linear trend model to evaluate the possibility of zero new infection of HIV/AIDS in Japan. METHODS: We used quarterly data on HIV/AIDS from the first quarter, 2001 to the second quarter, 2020. Bayesian analyses were conducted using Markov chain Monte Carlo (MCMC) method, and a local linear trend model was constructed for number of newly diagnosed HIV infection without AIDS diagnosis, AIDS cases, and their aggregate. Predictions for the following 60 quarters until the second quarter of 2035 were also made for all models. RESULTS: The mean aggregate cases of HIV/AIDS patients became 0 by the fourth quarter of 2031 (90% credible interval 0-535). For HIV infections alone, mean cases became 0 by the second quarter of 2030 (90%CrI 0-472). For AIDS alone mean cases were 9 at the second quarter of 2035 (90%CrI 0-231). CONCLUSION: Our local linear trend model suggested that number of HIV/AIDS cases in Japan could decrease to zero by the first quarter of 2031, if the trend of the infections followed the local linear trend model, yet with rather wide credible interval. Achieving zero new transmission of HIV in Japan is a realistic goal but measures to make it faster may be needed.
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 | 0,004 | 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 | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».