ISSN: 1948-5964
Xiaodong Wang, Xiaoqing Peng
Hintergrund: Immunologische Non-Response (INR) beschleunigte das Fortschreiten der AIDS-Erkrankung und brachte ernsthafte Schwierigkeiten bei der Behandlung HIV-1-infizierter Menschen mit sich. Die aktuelle Definition von INR fehlte an einem glaubwürdigen Konsens, was die Diagnose, Behandlung und wissenschaftliche Erforschung von INR beeinträchtigte.
Methoden: Wir haben die Open-Source-INR-bezogenen Referenzen systematisch analysiert und Visualisierungstechniken sowie Klassifizierungsmodelle für maschinelles Lernen verwendet, um die Merkmale, Modelle und Kriterien vorzuschlagen, die INR definieren.
Ergebnisse: Wir haben einige Konsense zur Definition von INR zusammengefasst. Unter den Merkmalen, die INR definierten, waren die absolute Anzahl der CD4+-T-Zellen und die ART-Zeit die besten Merkmale zur Definition von INR. Das Klassifizierungsmodell für überwachtes Lernen wies eine hohe Genauigkeit bei der Definition von INR auf, und die Support Vector Machine (SVM) wies die höchste Genauigkeit im häufig verwendeten Klassifizierungslernmodell für überwachtes Lernen auf. Basierend auf dem Modell für überwachtes Lernen und der Visualisierungstechnologie haben wir einige Kriterien vorgeschlagen, die dazu beitragen könnten, einen Konsens zur Definition von INR zu erreichen.
Schlussfolgerung: Diese Studie lieferte Konsens, Merkmale, Modelle und Kriterien zur Definition von INR.