Marginal hazard modeling in the presence of left censoring and unobserved history
Bibliographic record
Abstract
La thérapie antirétrovirale (ART) facultative a permis de réduire de façon importante les taux de mortalité et de morbidité des patients infectés par le virus de l’immunodéficience humaine (VIH). Cependant, malgré les preuves d’efficacité de l’ART pour diminuer presque toutes les maladies associées au VIH, l’effet de l’ART sur la maladie du foie et le virus de l’hépatite C (VHC) est moins clair. Malgré que l’ART demeure la seule approche au traitement du VIH, son efficacité pour les individus co-infectés du VIH and VHC pourrait être contrebalancée par son hépatotoxicité dans une population o`{u} les taux de dommages irréversibles au foie, d’abus d’alcool et de drogues peuvent être élevés. De plus, certaines études ont émises l’hypothèse d’une association entre la de la maladie du foie chez les individus co-infectés du VIH and VHC et qui reçoivent l’ART de façon interrompue. Déterminer l’impact de ces interruptions dans l’ART sur la maladie du foie telle que la fibrose est d’une grande importance car la fibrose du foie affecte plusieurs individus et est une cause significative de mortalité et de morbidité chez les individus co-infectés du VIH and VHC. Dans cette thèse, les données du Canadian Co-Infected Cohort (CCC) seront utilisées pour déterminer l’impact des interruptions dans l’ART sur la de la fibrose chez les adultes co-infectés de VIH et VHC. L’analyze des données du CCC est complexe du point de vue méthodologique due aux points suivants: (i) une proportion significative des participants ont des données historiques sur les variables confondantes et sur le temps d’exposition qui sont partiellement non-observées; (ii) au moment de recrutement, certains participants ont déjà vécu l’èvénement d’intérêt; par conséquent, leurs données historiques sont complétement non-observées et leur temps de survie est censuré à gauche; et (iii) la possibilité de biais liée à la non-participation due à la méthode d’échantillonnage non probabiliste qui a été utilisée pour recruter les participants du CCC. Je propose d’adresser la problématique des historiques partiellement et complètement non-observés en utilisant une approche basée sur l’imputation des données qui “récupère” les données non observées en fonction du temps; ainsi permettant de résoudre en même temps la problématique des données censurées à gauche. Cette approche permet d’utiliser l’historique complète et l’inclusion de tous les participants à l’aide d’un modèle marginal structurel de Cox. L’approche proposée pour adresser le biais potentiel lié à la non-participation consiste à incorporer l’inverse des poids de la probabilité de participation dans les modèles estimants le rapport des hasards entre l’interruption de l’ART et la fibrose du foie. Malgré que les approaches proposées sont motivées par le CCC et appliquées aux données du CCC, elles peuvent également être utilisées dans le contexte de d’autres études de maladies chroniques dans lesquelles l’exposition a lieu avant le début de l’étude et l’évènement d’intérêt n’empêche pas le suivi.]
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".