Discrimination of the Veterans Aging Cohort Study Index 2.0 for Predicting Cause-specific Mortality Among Persons With HIV in Europe and North America
Notice bibliographique
Résumé
Background: Predicting cause-specific mortality among people with HIV (PWH) could facilitate targeted care to improve survival. We assessed discrimination of the Veterans Aging Cohort Study (VACS) Index 2.0 in predicting cause-specific mortality among PWH on antiretroviral therapy (ART). Methods: Using Antiretroviral Therapy Cohort Collaboration data for PWH who initiated ART between 2000 and 2018, VACS Index 2.0 scores (higher scores indicate worse prognosis) were calculated around a randomly selected visit date at least 1 year after ART initiation. Missingness in VACS Index 2.0 variables was addressed through multiple imputation. Cox models estimated associations between VACS Index 2.0 and causes of death, with discrimination evaluated using Harrell's C-statistic. Absolute mortality risk was modelled using flexible parametric survival models. Results: Of 59 741 PWH (mean age: 43 years; 80% male), the mean VACS Index 2.0 at baseline was 41 (range: 0-129). For 2425 deaths over 168 162 person-years follow-up (median: 2.6 years/person), AIDS (n = 455) and non-AIDS-defining cancers (n = 452) were the most common causes. Predicted 5-year mortality for PWH with a mean VACS Index 2.0 score of 38 at baseline was 1% and approximately doubled for every 10-unit increase. The 5-year all-cause mortality C-statistic was .83. Discrimination with the VACS Index 2.0 was highest for deaths resulting from AIDS (0.91), liver-related (0.91), respiratory-related (0.89), non-AIDS infections (0.87), and non-AIDS-defining cancers (0.83), and lowest for suicides/accidental deaths (0.65). Conclusions: For deaths among PWH, discrimination with the VACS Index 2.0 was highest for deaths with measurable physiological causes and was lowest for suicide/accidental deaths.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».