在博茨瓦纳艾滋病毒血清转换的预测因素.
Yifan Cui1, Sikhulile Moyo2,3,4, Molly Pretorius Holme2
1Center for Data Science, Zhejiang University, Hangzhou, Zhejiang, China.
AIDS (London, England)
|November 5, 2024
概括
机器学习确定了博茨瓦纳艾滋病毒感染的关键预测因素. 对于女性来说,注射避孕和频繁的性行为是显著的;对于男性来说,关系类型和社区流行是艾滋病毒风险的关键因素.
科学领域:
- 流行病学 流行病学
- 公共卫生 公共卫生
- 机器学习应用 机器学习应用
背景情况:
- 分析了博茨瓦纳的一个大型艾滋病毒发病率队列.
- 这项研究利用了来自30个社区的集群随机化HIV预防试验的数据.
研究的目的:
- 确定博茨瓦纳艾滋病毒感染的预测因素.
- 利用机器学习来识别关键的艾滋病毒风险因素.
主要方法:
- 应用机器学习 (randomForestSRC) 来分析8551名HIV阴性成年人的数据.
- 评估了110个潜在预测因素,以确定艾滋病毒感染的重大风险因素.
主要成果:
- 可注射激素避孕药,性行为频率和高社区艾滋病毒流行率预测了女性感染艾滋病毒的可能性.
- 非长期关系和高社区艾滋病毒流行率预测了男性的艾滋病毒感染.
- 特定的风险因素组合表明,两性都显著增加了艾滋病毒感染概率.
结论:
- 机器学习有效地从众多变量中识别出关键的HIV风险预测因素.
- 鉴定的因素可以为博茨瓦纳的针对性艾滋病毒预防策略提供信息.


