ОПРЕДЕЛЕНИЕ ХАРАКТЕРИСТИК ПОЗДНЕЙ ДИАГНОСТИКИ ВИЧ С ИСПОЛЬЗОВАНИЕМ ОПТИМИЗИРОВАННОГО АЛГОРИТМА МАШИННОГО ОБУЧЕНИЯ



Цитировать

Полный текст

Аннотация

Резюме

Введение: Раннее выявление ВИЧ-инфекции имеет важное значение для клинической диагностики, предотвращения трансмиссии и обеспечения безопасности продуктов крови. Лица с поздним диагностированием ВИЧ могут неосознанно передавать вирус, и после постановки диагноза у них могут возникнуть более неблагоприятные последствия для здоровья. Поэтому настоящее исследование направлено на выявление характеристик, связанных с поздней диагностикой ВИЧ-пациентов.

Методы: В настоящем ретроспективном когортном исследовании была собрана информация о 236 пациентах с ВИЧ-инфекцией в Хамадане (запад Ирана) путем оценки количества CD4 Т клеток периферической крови в период с 2011 по 2022 годы. Поздняя диагностика ВИЧ считалась при уровне CD4 Т клеток≤350/мм3. Первоначально алгоритмы Extreme Gradient Boosting (XGBoost) и Random Forest (RF) выявили основные переменные. Впоследствии были разработаны такие модели, как Logistic Model Tree (LMT), Classification and Regression Tree (CART), Deep Neural Network (DNN) и Support Vector Machine (SVM) с использованием 70/30 разделения набора данных для обучения/тестирования для клинических и демографических переменных. Наконец, оптимальная модель была выбрана на основе точности и F1-оценки с использованием программного обеспечения Python (версия 3.10).

Результаты: Показано, что возраст, логарифм вирусной нагрузки (LVL), содержание лейкоцитов (WBC), эритроцитов (RBC), лимфоцитов (Lym), гематокрит (Hct), уровень тромбоцитов (PLT), гемоглобина (Hb) и параметры клинической стадии имели относительную важность выше уровня в 6%. Среди разработанных моделей для переменных важности CART со значениями F1-оценки и точности 0,887 и 0,801 и 0,897 и 0,822 для обучающих данных соответственно. Значение AUC, полученное для CART, было равно 0,918.

Выводы: Поздняя диагностика ВИЧ-инфекции является существенной проблемой, особенно при разработке алгоритма, который может точно и интерпретируемо определять характеристики заболевания, такие как CART, что может быть важно для выявления характеристик, влияющих на позднюю диагностику ВИЧ и клинические и терапевтические решения.

Об авторах

Марьям Фархадиан

Университет медицинских наук Хамадана, Хамадан, Иран

Email: maryam_farhadian80@yahoo.com
ORCID iD: 0000-0002-6054-9850

доктор философии, доцент кафедры биостатистики, кафедра биостатистики, Школа общественного здравоохранения и исследовательский центр медицинских наук, Медицинский университет Хамадана, Хамадан, Иран

Иран

Самад Мослехи

Университет медицинских наук Хамадана, Хамадан, Иран

Email: samadmoslehi999@gmail.com
ORCID iD: 0000-0003-1597-7327

доктор философии, доцент кафедры биостатистики, кафедра биостатистики, Школа общественного здравоохранения, Исследовательский центр моделирования неинфекционных заболеваний, Медицинский университет Хамадана, Хамадан, Иран

Иран

Мохаммад Мирзаи

Центр по контролю и профилактике заболеваний, Хамадан, Иран

Автор, ответственный за переписку.
Email: mirzaei3589@gmail.com
ORCID iD: 0000-0001-9428-059X

магистр наук, эксперт по контролю заболеваний, Центр по контролю и профилактике заболеваний, заместитель службы здравоохранения, Медицинский университет Хамадана, Хамадан, Иран

Иран

Список литературы

  1. World Health Statistics 2023: monitoring health for the SDGs, sustainable development goals. Available at: URL: https://www.who.int/publications/i/item/9789240074323.
  2. Gallo RC. A reflection on HIV/AIDS research after 25 years. Retrovirology. 2006, vol. 3, no. 1, pp.1-7. doi: 10.1186/1742-4690-3-72.
  3. Rotily M., Bentz L., Pradier C., Obadia Y., Cavailler P. Factors related to delayed diagnosis of HIV infection in southeastern France. International journal of STD & AIDS. 2000, vol. 11, no. 8, pp. 531-535. doi: 10.1258/0956462001916272.
  4. Camoni L., Raimondo M., Regine V., Salfa MC., Suligoi B. Late presenters among persons with a new HIV diagnosis in Italy, 2010–2011. BMC Public Health. 2013, vol. 13, no. pp. 1-6. doi: 10.1186/1471-2458-13-281.
  5. Likatavicius G., Van de Laar M. HIV and AIDS in the European Union, 2011. Eurosurveillance. 2012, vol. 17, no. 48, pp. 1-17. doi: 10.2807/ese.17.48.20329-en.
  6. Buetikofer S. Prevalence and risk factors of late presentation for HIV diagnosis and care in a tertiary referral center in Switzerland. University of Zurich. 2014, pp. 1-8. doi: 10.5167/uzh-105956.
  7. Gelaw YA., Senbete GH., Adane AA., Alene KA. Determinants of late presentation to HIV/AIDS care in Southern Tigray Zone, Northern Ethiopia: an institution-based case–control study. AIDS research and therapy. 2015, vol. 12, no. 1, pp. 1-8. doi: 10.1186/s12981-015-0079-2.
  8. Croxford S, Stengaard AR., Brännström J., Combs L., Dedes N., Girardi E., Grabar S., Kirk O., Kuchukhidze G., Lazarus JV., Noori T. Late diagnosis of HIV: an updated consensus definition. HIV medicine. 2022, vol. 23, no. 11, pp:1202-1208. doi: 10.1111/hiv.13425.
  9. Gesesew HA., Ward P., Woldemichael K., Mwanri L. Late presentation for HIV care in Southwest Ethiopia in 2003–2015: prevalence, trend, outcomes and risk factors. BMC infectious diseases. 2018, vol. 18, pp: 1-11. doi: 10.1186/s12879-018-2971-6.
  10. Nyika H., Mugurungi O., Shambira G., Gombe NT., Bangure D., Mungati M., Tshimanga M. Factors associated with late presentation for HIV/AIDS care in Harare City, Zimbabwe, 2015. BMC Public Health. 2016, vol. 16, no. 369, pp: 1-7. doi: 10.1186/s12889-016-3044-7.
  11. Najafi-Vosough R., Faradmal J., Hosseini SK., Moghimbeigi A., Mahjub H. Predicting Hospital Readmission in Heart Failure Patients in Iran: A Comparison of Various Machine Learning Methods. Healthcare informatics research. 2021, vol. 27, no. 4, pp: 307-14. doi: 10.4258/hir.2021.27.4.307.
  12. Najafi-Vosough R., Faradmal J., Tapak L., Alafchi B., Najafi-Ghobadi K., Mohammadi T. Prediction the survival of patients with breast cancer using random survival forests for competing risks. Journal of preventive medicine and hygiene. 2022, vol. 63, no. 2. pp: 298-303. doi: 10.15167/2421-4248/jpmh2022.63.2.2405.
  13. Wang D., Larder B., Revell A., Montaner J., Harrigan R., De Wolf F., Lange J., Wegner S., Ruiz L., Pérez-Elías MJ., Emery S. A comparison of three computational modelling methods for the prediction of virological response to combination HIV therapy. Artificial intelligence in medicine. 2009, vol. 47, no. 1, pp: 63-74. doi: 10.1016/j.artmed.2009.05.002.
  14. Xiang Y., Du J., Fujimoto K., Li F., Schneider J., Tao C. Application of artificial intelligence and machine learning for HIV prevention interventions. The Lancet HIV. 2022, vol. 9, no. 1, pp: 54-62. doi: 10.1016/S2352-3018(21)00247-2.
  15. Bisaso KR., Anguzu GT., Karungi SA., Kiragga A., Castelnuovo B. A survey of machine learning applications in HIV clinical research and care. Computers in biology and medicine. 2017, vol. 91, pp: 366-371. doi: 10.1016/j.compbiomed.2017.11.001.
  16. Mi JX., Li AD., Zhou LF. Review study of interpretation methods for future interpretable machine learning. IEEE Access. 2020, vol. 8, pp: 191969 -191985. doi: 10.1109/ACCESS.2020.3032756.
  17. Moslehi S., Rabiei N., Soltanian AR., Mamani M. Application of machine learning models based on decision trees in classifying the factors affecting mortality of COVID-19 patients in Hamadan, Iran. BMC medical informatics and decision making. 2022, vol. 22, no. 1, pp: 192. doi: 10.1186/s12911-022-01939-x.
  18. Holzinger A. Data mining with decision trees: theory and applications. Online Information Review. 2015, vol. 39, no. 3, pp: 437-448.
  19. Landwehr N., Hall M., Frank E. Logistic model trees. 2005, vol. 59, pp: 161-205. doi: 10.1007/s10994-005-0466-3.
  20. Reyad M., Sarhan AM., Arafa M. A modified Adam algorithm for deep neural network optimization. Neural Computing and Applications. 2023, vol. 35, no. 23, pp: 17095-17112. doi: 10.1007/s00521-023-08568-z.
  21. Valkenborg D., Rousseau AJ., Geubbelmans M., Burzykowski T. Support vector machines. Official Journal of the American Association of Orthodontists. 2023, vol. 164, no. 5, pp: 754-757. doi: 10.1016/j.ajodo.2023.08.003.
  22. Osman, A.I.A., Ahmed, A.N., Chow, M.F., Huang, Y.F. and El-Shafie, A. Extreme gradient boosting (Xgboost) model to predict the groundwater levels in Selangor Malaysia. Ain Shams Engineering Journal. 2021, vol. 12, no. 2, pp: 1545-1556. doi: 10.1016/j.asej.2020.11.011.
  23. Bath RE., Emmett L., Verlander NQ., Reacher M. Risk factors for late HIV diagnosis in the East of England: evidence from national surveillance data and policy implications. International journal of STD & AIDS. 2019, vol. 30, no. 1, pp: 37-44. doi: 10.1177/0956462418793327.
  24. Mohammadi Y., Mirzaei M., Shirmohammadi-Khorram N., Farhadian M. Identifying risk factors for late HIV diagnosis and survival analysis of people living with HIV/AIDS in Iran (1987–2016). BMC infectious diseases. 2021, vol. 21, no. 1, pp: 1-9. doi: 10.1186/s12879-021-06100-z.
  25. Lee C-Y., Lin Y-P., Wang S-F., Lu P-L. Late CART initiation consistently driven by late HIV presentation: A multicenter retrospective cohort study in Taiwan from 2009 to 2019. Infectious Diseases and Therapy. 2022, vol. 11, no. 3, pp: 1033-1056. doi: 10.1007/s40121-022-00619-7.
  26. Weissman S., Yang X., Zhang J., Chen S., Olatosi B., Li X. Using a Machine Learning Approach to Explore Predictors of Health Care Visits as Missed Opportunities for HIV Diagnosis. AIDS (London, England). 2021, vol. 35, no. 1, pp: S7-S18. doi: 10.1097/QAD.0000000000002735.
  27. Morales-Sánchez, R., Montalvo, S., Riaño, A., Martínez, R. and Velasco, M. Early diagnosis of HIV cases by means of text mining and machine learning models on clinical notes. Computers in Biology and Medicine. 2024, vol. 179, pp: 108830. doi: 10.1016/j.compbiomed.2024.108830.
  28. Romero-Rodríguez, D.P., Ramírez, C., Imaz-Rosshandler, I., Ormsby, C.E., Peralta-Prado, A., Olvera-García, G., Cervantes, F., Würsch-Molina, D., Romero-Rodríguez, J., Jiang, W. and Reyes-Terán, G. Machine learning-selected variables associated with CD4 T cell recovery under antiretroviral therapy in very advanced HIV infection. Translational Medicine Communications. 2020, vol. 5, pp: 1-10. doi: 10.1186/s41231-020-00058-x.
  29. Adler A., Mounier-Jack S., Coker R. Late diagnosis of HIV in Europe: definitional and public health challenges. AIDS care. 2009, vol. 21, no. 3, pp: 284-293. doi: 10.1080/09540120802183537.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Farhadian M., Moslehi S., Mirzaei M.,

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.
СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 64788 от 02.02.2016.


Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах