MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161987715 · doi:10.82308/54024

Prediction of clinical outcomes of human immunodeficiency virus infection in the era of highly active anti-retroviral therapy : use of repeated measures of HIV viral load and CD4 cell count

2001· dissertation· en· W7161987715 sur OpenAlexaboutno aff
Graham H. R. Smith

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineImmunology and Microbiology
ThématiqueHIV Research and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésViral loadProportional hazards modelHuman immunodeficiency virus (HIV)Viral diseaseCd4 t cellLentivirusSurvival analysisAntiretroviral therapy

Résumé

récupéré en direct d'OpenAlex

Objective. To compare the prognostic ability of first available measurements of CD4 cell count and viral load with that of the most recent measurements and to assess the additional prognostic ability of the values of past measurements of these markers. Methods. Demographic and clinical information on 965 HIV-1 infected adults followed at a university-based HIV clinic in Montreal, Quebec were extracted from a clinical database. The prognostic ability of initial and most recent CD4 cell count and viral load measurements were assessed in a series of Cox models. The added prognostic ability of past values of measurements of these markers was explored by calculating; (i) the unweighted mean values of all previous measurements and (ii) a time-weighted mean. The differences between these mean levels and the most recent values were included as time-dependent covariates in Cox models adjusted for the value of the most recent measurements. Conclusion. The most recent measurements of CD4 cell count and viral load are more powerful predictors of clinical disease progression than initial measurements. (Abstract shortened by UMI.)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,337
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHIV Research and Treatment→Travaux en français237 207→