Analysis of Recurrent Events with Associated Informative Censoring: Application to HIV Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this study, we adapt a Cox-based model for recurrent events; the Prentice, Williams and Peterson Total -Time (PWP-TT) that has largely, been used under the assumption of non-informative censoring and evaluate it under an informative censoring setting. Empirical evaluation was undertaken with the aid of the semi-parametric framework for recurrent events suggested by Huang [1] and implemented in R Studio software. For validation we used data from a typical HIV care setting in Kenya. Of the three models under consideration; the standard Cox Model had gender hazard ratio (HR) of 0.66 (p-value=0.165), Andersen-Gill had HR 0.46 (with borderline p-value=0.054) and extended PWP TT had HR 0.22 (p-value=0.006). The PWP-TT model performed better as compared to other models under informative setting. In terms of risk factors under informative setting, LTFU due to stigma; gender [base=Male] had HR 0.544 (p-value =0.002), age [base is < 37] had HR 0.772 (p-value=0.008), ART regimen [base= First line] had HR 0.518 (p-value= 0.233) and differentiated care model (Base=not on DCM) had HR 0.77(p-value=0.036). In conclusion, in spite of the multiple interventions designed to address incidences of LTFU among HIV patients, within-person cases of LTFU are usually common and recurrent in nature, with the present likelihood of a person getting LTFU influenced by previous occurrences and therefore informative censoring should be checked
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle