Inferir el momento de inicio de la terapia antirretroviral mediante modelos de cambio de punto aleatorio con inflación de ceros utilizando datos longitudinales sujetos a censura a la izquierda
Autores: Zhang, Hongbin; Robertson, McKaylee; Braunstein, Sarah L.; Hanna, David B.; Felsen, Uriel R.; Waldron, Levi; Nash, Denis
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Inferir el momento de inicio de la terapia antirretroviral mediante modelos de cambio de punto aleatorio con inflación de ceros utilizando datos longitudinales sujetos a censura a la izquierda
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Nuevo
Cambiar modelo de punto
Datos de carga viral de VIH
Terapia antirretroviral
Inicio de TAR
Algoritmo EM estocástico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Proponemos un nuevo modelo de cambio de punto aleatorio que utiliza datos de carga viral individual de VIH registrados rutinariamente para estimar el momento de inicio de la terapia antirretroviral (TAR) en personas que viven con VIH. La distribución de cambio de punto se asume que sigue una distribución exponencial inflada en cero para los datos longitudinales, que también están sujetos a censura izquierda, y el mecanismo subyacente de generación de datos es un modelo de efectos mixtos no lineal. Ampliamos el algoritmo Stochastic EM (StEM) combinando un muestreador de Gibbs con un muestreo de Metropolis-Hastings. Aplicamos el método a datos reales de VIH para inferir el momento de inicio de la TAR desde el diagnóstico. Además, realizamos estudios de simulación para evaluar el rendimiento de nuestro método propuesto.
Descripción
Proponemos un nuevo modelo de cambio de punto aleatorio que utiliza datos de carga viral individual de VIH registrados rutinariamente para estimar el momento de inicio de la terapia antirretroviral (TAR) en personas que viven con VIH. La distribución de cambio de punto se asume que sigue una distribución exponencial inflada en cero para los datos longitudinales, que también están sujetos a censura izquierda, y el mecanismo subyacente de generación de datos es un modelo de efectos mixtos no lineal. Ampliamos el algoritmo Stochastic EM (StEM) combinando un muestreador de Gibbs con un muestreo de Metropolis-Hastings. Aplicamos el método a datos reales de VIH para inferir el momento de inicio de la TAR desde el diagnóstico. Además, realizamos estudios de simulación para evaluar el rendimiento de nuestro método propuesto.