Early Viral Dynamics Predict Human Immunodeficiency Virus Posttreatment Control After Analytic Treatment Interruption
Notice bibliographique
Résumé
BACKGROUND: A key research priority for developing a human immunodeficiency virus (HIV) cure strategy is to define the viral dynamics and biomarkers associated with sustained posttreatment control. The ability to predict the likelihood of sustained posttreatment control or noncontrol could minimize the time off antiretroviral therapy (ART) for those destined to be controllers and anticipate longer periods off ART for those destined to be controllers. METHODS: Mathematical modeling and machine learning were used to characterize virologic predictors of long-term virologic control, using viral kinetics data from several studies in which participants interrupted ART. Predictors of post-ART outcomes were characterized using data accumulated from the time of treatment interruption, replicating real-time data collection in a clinical study, and classifying outcomes as either posttreatment control (plasma viremia, ≤400 copies/mL at 2 of 3 time points for ≥24 weeks) or noncontrol. RESULTS: Potential predictors of virologic control were the time to rebound, the rate of initial rebound, and the peak plasma viremia. We found that people destined to be noncontrollers could be identified within 3 weeks of rebound (prediction scores: accuracy, 80%; sensitivity, 82%; specificity, 71%). CONCLUSIONS: Given the widespread use of analytic treatment interruption in cure-related trials, these predictors may be useful to increase the safety of analytic treatment interruption through early identification of people who are unlikely to become posttreatment controllers.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».