Modeling HIV/AIDS Progression: A Comparative Analysis of the 3-Parameter Weibull, AFT, and Cox Proportional Hazards Models
Notice bibliographique
Résumé
This study models HIV/AIDS progression using the 3-Parameter Weibull Model and its adaptations, specifically the Accelerated Failure Time (AFT) Weibull and Cox Proportional Hazards (PH) models, to compare outcomes across age groups (20-30, 30-40, 40-50, 50-60, and over 60) and genders. Key performance metrics included Z-statistics, P-values, AD values, and standard errors to evaluate model fit and accuracy. The 3-Parameter Weibull model’s flexibility for time-varying hazards makes it well-suited for chronic conditions influenced by antiretroviral therapy (ART) and demographic factors. Results showed that the AFT model captured ART effects effectively in the 50-60 age group, particularly among males, while its predictive power decreased for younger cohorts, where ART’s impact was less pronounced. The Cox PH model, although interpretable, struggled in dynamic hazard rate scenarios, performing moderately in stable age groups but limited in detecting ART effects overall. The 3-Parameter Weibull model showed a strong fit in the 40-50 and 50-60 groups, with significant metrics affirming ART’s impact on survival, though predictive precision declined for those over 60. These findings highlight the complementary strengths of the AFT and 3- Parameter Weibull models, suggesting their integrated use can enhance state-specific modeling of HIV/AIDS progression.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».