Регуляризованные регрессионные модели для точного прогнозирования прогрессирования ВИЧ у пациентов, получающих АРТ: сравнительное исследование

Почему это исследование важно для людей, живущих с ВИЧ

Для многих людей, получающих антиретровирусную терапию (АРТ), важный вопрос — как будет меняться их состояние со временем. У врачей есть богатая информация — возраст, антропометрические данные, анализы крови и социальные обстоятельства — но перевести всё это в надежный прогноз о том, кто останется здоров, а кто может перейти в тяжёлую стадию болезни, непросто. В этом исследовании протестировали продвинутые статистические инструменты, чтобы выяснить, какие из них лучше предсказывают прогрессирование ВИЧ, с целью помочь клиницистам сосредоточиться на пациентах, которым требуется дополнительное внимание.

Наблюдение за пациентами во времени

Исследователи проанализировали данные 482 взрослых с ВИЧ, которые начали АРТ в учебной больнице штата Осун, Нигерия, в период с 2020 по 2023 год. Они отслеживали, сколько времени требовалось пациентам, чтобы перейти в более тяжёлые клинические стадии ВИЧ (III или IV) по классификации ВОЗ после начала лечения. Параллельно рассматривали широкий набор переменных: возраст, пол, индекс массы тела, рост и вес, вирусную нагрузку в крови, уровень образования, семейное и трудовое положение, а также место проживания. Поскольку точная дата инфицирования ВИЧ обычно неизвестна, время выживания измеряли от первого дня АРТ — стандартный подход в подобных исследованиях.

Когда многие факторы риска пересекаются

Современное ведение ВИЧ генерирует множество взаимосвязанных данных. Например, вес, рост и индекс массы тела тесно связаны; если использовать их все одновременно, стандартные статистические методы могут стать нестабильными и давать вводящие в заблуждение результаты. Команда подтвердила эту проблему — известную как сильная зависимость между переменными — вычислив факторы инфляции дисперсии, которые показали, что некоторые измерения сильно переплетены. Это затрудняет определение действительных значимых факторов и может привести к тому, что модели, кажущиеся точными в одной группе пациентов, окажутся ненадёжными в другой.

Новые инструменты для укрощения сложных данных

Чтобы преодолеть эти трудности, в исследовании сравнили четыре метода «регуляризованной» регрессии — Ridge, LASSO, Adaptive LASSO и Elastic Net. Эти приёмы целенаправленно уменьшают влияние менее важных переменных, а некоторые из них могут вообще исключать их, помогая модели оставаться стабильной при сильной корреляции предикторов. Исследователи сначала проверили ситуацию, когда удаляли наиболее перекрывающуюся переменную (вес), а затем — когда сохраняли все переменные. Модели оценивали по нескольким показателям: насколько хорошо они ранжировали пациентов по риску, насколько точными были их прогнозы вероятностей и как хорошо они уравновешивали соответствие данным и простоту.

Что модели показали о риске

Во всех методах вырисовывалась согласованная картина факторов, связанных с более высокой вероятностью перехода в продвинутую стадию заболевания. Более старший возраст и более высокая вирусная нагрузка, как правило, были связаны с худшим исходом, тогда как мужской пол, более высокий уровень образования, наличие работы и более здоровый индекс массы тела указывали на лучшее выживание. Некоторые модели также выделяли параметры размера тела и семейное положение, хотя конкретная роль этих факторов зависела от того, как обрабатывались перекрывающиеся переменные. Важно, что регуляризованные подходы значительно снизили нестабильность, наблюдавшуюся в стандартной модели выживания, подтверждая, что они дают более чёткие и надёжные оценки при работе со сложными данными по ВИЧ.

Выбор правильного инструмента для задачи

Исследование показало, что не существует единственного метода, лучшего для любой цели. Когда основная задача заключалась в том, чтобы выделить несколько ключевых предикторов и сохранить модель легко интерпретируемой, Adaptive LASSO показал наилучшие результаты после удаления наиболее перекрывающейся переменной. Он дал наиболее точные и хорошо откалиброванные прогнозы, выделив ключевые факторы риска. Однако при сохранении всех переменных, включая тесно связанные, Elastic Net обеспечивал наилучшие предсказательные результаты в целом и оставался стабильным при сильной мультиколлинеарности. Регрессия Ridge также показала хорошее качество предсказаний, сохраняя все предикторы. Проще говоря, эти результаты говорят о том, что врачи и планировщики здравоохранения могут выбирать инструменты в зависимости от того, что им важнее: наглядный перечень факторов риска или максимально сильный прогноз дальнейшего прогрессирования ВИЧ у пациентов на АРТ.

Цитирование: Owoade, G.O., Okewole, D.M., Nziku, C.K. et al. Regularized regression models for accurate prediction of HIV progression in ART patients: a comparative study. Sci Rep 16, 10251 (2026). https://doi.org/10.1038/s41598-026-41445-y

Ключевые слова: Прогрессирование ВИЧ, антиретровирусная терапия, прогноз выживаемости, регуляризованная регрессия, Elastic Net