Modélisation de la progression de l'infection par le VIH

Résumé La modélisation statistique de la progression des marqueurs de l'infection par le VIH est compliquée par trois problèmes : (1) les dates d'infection sont généralement inconnues ; (2) le suivi des patients infectés est généralement beaucoup plus court que le temps moyen entre l'infection et le sida ; et (3) les mesures répétées des marqueurs sont corrélées. Le marqueur que nous étudions dans cet article est le nombre de lymphocytes T-helper. En conséquence de ces trois problèmes, il est difficile de distinguer entre différents modèles pour la baisse du nombre de lymphocytes T-helper au fil du temps pour les individus infectés par le VIH. Certains chercheurs ont proposé que la baisse soit progressive jusqu'à peu avant l'apparition du sida, mais les données disponibles ne rejettent pas des modèles de baisse assez constante durant toute la période de latence entre l'infection par le VIH et l'apparition du sida. La capacité à discriminer entre les modèles peut être améliorée en incorporant des informations sur les distributions des temps de séroconversion (développement d'anticorps mesurables) parmi les individus séropositifs au VIH et des marqueurs parmi les séro-négatifs. Cela peut être réalisé grâce à des méthodes de courbes de croissance qui considèrent le temps d'infection comme une variable aléatoire dont la distribution est estimable, soit à partir des données sur la progression elle-même, soit à partir de cohortes externes. L'estimation des paramètres du modèle de courbe de croissance nécessite une généralisation des méthodes existantes pour la maximisation des vraisemblances de mélange afin d'accommoder trois composantes différentes de variation stochastique : (1) les temps d'infection aléatoires et non observables, (2) les effets aléatoires individuels, et (3) les erreurs de mesure. Nous appliquons notre méthode proposée à des données sur la progression du nombre de lymphocytes T-helper chez 490 hommes infectés par le VIH du Men's Health Study à San Francisco et utilisons une estimation disponible externement de la distribution des temps d'infection pour l'ensemble de la ville. Nous concluons de notre analyse que les modèles qui supposent une baisse linéaire stable du nombre de lymphocytes T-helper sur l'échelle de la racine carrée et qui tiennent compte des trois sources de variation mentionnées précédemment fournissent un ajustement adéquat aux données de l'étude. Nous notons également que la baisse linéaire ne s'applique pas près du temps de séroconversion ; cet événement semble être accompagné d'une chute brutale du nombre de lymphocytes T-helper.