Predicting fatal drug poisoning (overdose) among people living with HIV-HCV co-infection
Notice bibliographique
Résumé
Background: Drug poisoning (overdose) is an important public health crisis, particularly among people living with HIV and hepatitis C (HIV-HCV) co-infection.Direct-acting antivirals result in high HCV cure rates, successfully reducing liver-related mortality.However, increased rates of drug poisoning deaths will negate these benefits.Investigating the potential predictors for drug poisoning could help to reduce mortality by identifying groups most at-risk.Objective: The objective of this thesis was to predict six-month drug poisoning mortality among people with HIV-HCV coinfection using socioeconomic, behavioural, and clinical factors, including factors that are routinely measured in clinical practice, as well as those recorded for research purposes.Methods: Data from the Canadian Co-infection Cohort (CCC) were used.Participants were followed up at six-month intervals when they completed questionnaires on socio-demographic, behavioural and clinical factors.Participants were eligible for analysis if they ever reported injection or non-injection drug use between 2003 and 2023.The outcome was death due to drug poisoning within six months of a participant's cohort visit.We selected a total of 40 predictors.We used a supervised machine learning model, random forest, to develop a classification algorithm.Due to imbalanced data, we used a stratified random forest approach with undersampling.Predictors of drug poisoning were ranked in order of importance and odds ratios (OR) and 95% confidence intervals (CIs) were generated using a generalized estimating equation (GEE) regression with the top five important predictors.Four sensitivity analyses were conducted.Results: Of 2,132 total CCC participants, 1,998 met the eligibility criteria for this analysis.Of those eligible, 1,764 (88.3%) reported ever using injection drugs and 1,807 (90.4%) reported LIST OF ABBREVIATIONSHIV: Human immunodeficiency virus AIDS: Acquired immunodeficiency syndrome ART: Antiretroviral therapy STBBI: Sexually transmitted blood borne infections PWID: People who inject drugs HCV: Hepatitis C virus DAA: Direct-acting antiviral CCC: Canadian Co-infection Cohort gbMSM: Gay, bisexual, and other men-who-have-sex-with-men PWUD: People who use drugs POC: Point-of-care MSM: Men who have sex with men U=U: Undetectable = Untransmissible PrEP: Pre-exposure prophylaxis PEP: Post-exposure prophylaxis
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».