Identifying Longitudinal CD4:CD8 Ratio Trajectories Indicative of Chronic Renal Disease Risk among People Living with HIV: An Application of Growth Mixture Models
Notice bibliographique
Résumé
The incidence of chronic kidney disease (CKD) is increasing among people living with HIV (PLWH). Routine monitoring of indicators such as CD4:CD8 ratio might improve the early detection of CKD. Our objective was to identify clinically relevant CD4:CD8 ratio trajectories indicative of CKD risk. Participants were ≥ 18 years old, initiated antiretroviral therapy between 2000 and 2016, and were followed for ≥6 months until 31 March 2017 or last contact date. Outcome was incidence of CKD. Growth mixture models (GMMs) and decay models were used to compare CD4:CD8 ratio trajectories. Following GMM, 4547 (93.5%) participants were classified in Class 1 with 5.4% developing CKD, and 316 (6.5%) participants were classified in Class 2 with 20.9% developing CKD. The final model suggested that participants in Class 2 had 8.72 times the incidence rate of developing CKD than those in Class 1. Exponential decay models indicated a significant CD4:CD8 ratio decline among Class 2 participants who developed CKD. Among those who developed CKD in Class 2, starting at 5.5 years of follow-up, the slope of their ratio trajectory curve changed significantly, and the rate of decline increased dramatically. Routine monitored CD4:CD8 ratios can be an effective strategy to identify early CKD risk among PLWH.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».