{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5428367"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5428367","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Εφαρμογή Μπεϋζιανών Αθροιστικών Δένδρων Παλινδρόμησης (BART) στη μοντελοποίηση της ανοσολογικής αποκατάστασης CD4 σε άτομα με HIV υπό αντιρετροϊκή αγωγή","abstract":"Εισαγωγή: Η ανοσολογική ανάκαμψη μετά την έναρξη της αντιρετροϊκής θεραπείας αποτελεί βασικό δείκτη της κλινικής πορείας των ατόμων που ζουν με HIV. Η τιμή των CD4 λεμφοκυττάρων κατά την έναρξη της θεραπείας έχει συσχετιστεί με τη μετέπειτα ανοσολογική εξέλιξη, ωστόσο η μορφή της σχέσης αυτής δεν είναι κατ’ ανάγκη γραμμική. Η παρούσα εργασία στοχεύει στη διερεύνηση της σχέσης μεταξύ CD4 κατά την έναρξη της θεραπείας και μεταβολής CD4 12–24 μήνες μετά την έναρξη της θεραπείας, συγκρίνοντας παραμετρικές και μη παραμετρικές μεθοδολογικές προσεγγίσεις. Μεθοδολογία: Χρησιμοποιήθηκαν δεδομένα από την ελληνική πολυκεντρική κοορτή AMACS. Στην κύρια πολυμεταβλητή ανάλυση συμπεριλήφθηκαν 2.154 ασθενείς με πλήρη διαθέσιμα δεδομένα στην έκβαση και στις συμμεταβλητές του μοντέλου. Η μεταβολή των CD4 μοντελοποιήθηκε με τρεις προσεγγίσεις: πολυμεταβλητό γραμμικό μοντέλο, γραμμικό μοντέλο με B-splines για τη CD4 τιμή κατά την έναρξη της θεραπείας και Bayesian Additive Regression Trees (BART). Η προβλεπτική απόδοση συγκρίθηκε μέσω 10-fold cross-validation χρησιμοποιώντας το Root Mean Squared Error (RMSE). Επιπλέον, εξετάστηκαν καμπύλες μερικής εξάρτησης, conditional partial dependence καμπύλες ως προς το ιικό φορτίο (log10 HIV-RNA) κατά την έναρξη της θεραπείας, καθώς και ανάλυση ευαισθησίας ως προς βασικές υπερπαραμέτρους του BART. Αποτελέσματα: Παρατηρήθηκε μη γραμμική σχέση μεταξύ CD4 κατά την έναρξη της θεραπείας και μεταβολής CD4. Η μεγαλύτερη προβλεπόμενη ανοσολογική ανάκαμψη καταγράφηκε σε ενδιάμεσες CD4 τιμές κατά την έναρξη της θεραπείας, ενώ σε υψηλότερες τιμές η προβλεπόμενη μεταβολή ήταν μικρότερη. Το spline μοντέλο και το BART παρείχαν πιο ευέλικτη αποτύπωση της σχέσης σε σύγκριση με το γραμμικό μοντέλο. Στη διαδικασία 10-fold cross-validation, οι μέσες τιμές RMSE ήταν παρόμοιες μεταξύ των μοντέλων: 223,79 για το γραμμικό μοντέλο, 221,83 για το spline μοντέλο και 222,37 για το BART. Οι conditional partial dependence καμπύλες ως προς το HIV-RNA κατά την έναρξη της θεραπείας έδειξαν ότι υψηλότερο ιικό φορτίο σχετίστηκε κυρίως με υψηλότερο επίπεδο προβλεπόμενης μεταβολής CD4, χωρίς όμως να τεκμηριώνεται ισχυρή αλληλεπίδραση μεταξύ CD4 κατά την έναρξη της θεραπείας και HIV-RNA. Η ανάλυση ευαισθησίας έδειξε ότι η εκτιμώμενη μορφή της σχέσης στο BART παρέμεινε σταθερή υπό εναλλακτικές επιλογές υπερπαραμέτρων. Συμπέρασμα: Η σχέση μεταξύ ανοσολογικής κατάστασης κατά την έναρξη της θεραπείας και επακόλουθης μεταβολής CD4 είναι μη γραμμική. Τα spline και BART μοντέλα προσέφεραν πιο ευέλικτη περιγραφή της σχέσης σε σύγκριση με το απλό γραμμικό μοντέλο, χωρίς όμως ουσιαστική βελτίωση της συνολικής προβλεπτικής ακρίβειας. Το BART λειτούργησε κυρίως ως συμπληρωματικό διερευνητικό εργαλείο, αναδεικνύοντας τοπικές διαφοροποιήσεις και περιοχές αυξημένης αβεβαιότητας. Η ενσωμάτωση ευέλικτων προσεγγίσεων μοντελοποίησης μπορεί να συμβάλει στην καλύτερη κατανόηση της ανοσολογικής ανάκαμψης μετά την έναρξη ART, υπό την προϋπόθεση ότι τα αποτελέσματα ερμηνεύονται σε συνδυασμό με την κλινική γνώση.","abstract_html":"Εισαγωγή: Η ανοσολογική ανάκαμψη μετά την έναρξη της αντιρετροϊκής θεραπείας αποτελεί βασικό δείκτη της κλινικής πορείας των ατόμων που ζουν με HIV. Η τιμή των CD4 λεμφοκυττάρων κατά την έναρξη της θεραπείας έχει συσχετιστεί με τη μετέπειτα ανοσολογική εξέλιξη, ωστόσο η μορφή της σχέσης αυτής δεν είναι κατ’ ανάγκη γραμμική. Η παρούσα εργασία στοχεύει στη διερεύνηση της σχέσης μεταξύ CD4 κατά την έναρξη της θεραπείας και μεταβολής CD4 12–24 μήνες μετά την έναρξη της θεραπείας, συγκρίνοντας παραμετρικές και μη παραμετρικές μεθοδολογικές προσεγγίσεις. Μεθοδολογία: Χρησιμοποιήθηκαν δεδομένα από την ελληνική πολυκεντρική κοορτή AMACS. Στην κύρια πολυμεταβλητή ανάλυση συμπεριλήφθηκαν 2.154 ασθενείς με πλήρη διαθέσιμα δεδομένα στην έκβαση και στις συμμεταβλητές του μοντέλου. Η μεταβολή των CD4 μοντελοποιήθηκε με τρεις προσεγγίσεις: πολυμεταβλητό γραμμικό μοντέλο, γραμμικό μοντέλο με B-splines για τη CD4 τιμή κατά την έναρξη της θεραπείας και Bayesian Additive Regression Trees (BART). Η προβλεπτική απόδοση συγκρίθηκε μέσω 10-fold cross-validation χρησιμοποιώντας το Root Mean Squared Error (RMSE). Επιπλέον, εξετάστηκαν καμπύλες μερικής εξάρτησης, conditional partial dependence καμπύλες ως προς το ιικό φορτίο (log10 HIV-RNA) κατά την έναρξη της θεραπείας, καθώς και ανάλυση ευαισθησίας ως προς βασικές υπερπαραμέτρους του BART. Αποτελέσματα: Παρατηρήθηκε μη γραμμική σχέση μεταξύ CD4 κατά την έναρξη της θεραπείας και μεταβολής CD4. Η μεγαλύτερη προβλεπόμενη ανοσολογική ανάκαμψη καταγράφηκε σε ενδιάμεσες CD4 τιμές κατά την έναρξη της θεραπείας, ενώ σε υψηλότερες τιμές η προβλεπόμενη μεταβολή ήταν μικρότερη. Το spline μοντέλο και το BART παρείχαν πιο ευέλικτη αποτύπωση της σχέσης σε σύγκριση με το γραμμικό μοντέλο. Στη διαδικασία 10-fold cross-validation, οι μέσες τιμές RMSE ήταν παρόμοιες μεταξύ των μοντέλων: 223,79 για το γραμμικό μοντέλο, 221,83 για το spline μοντέλο και 222,37 για το BART. Οι conditional partial dependence καμπύλες ως προς το HIV-RNA κατά την έναρξη της θεραπείας έδειξαν ότι υψηλότερο ιικό φορτίο σχετίστηκε κυρίως με υψηλότερο επίπεδο προβλεπόμενης μεταβολής CD4, χωρίς όμως να τεκμηριώνεται ισχυρή αλληλεπίδραση μεταξύ CD4 κατά την έναρξη της θεραπείας και HIV-RNA. Η ανάλυση ευαισθησίας έδειξε ότι η εκτιμώμενη μορφή της σχέσης στο BART παρέμεινε σταθερή υπό εναλλακτικές επιλογές υπερπαραμέτρων. Συμπέρασμα: Η σχέση μεταξύ ανοσολογικής κατάστασης κατά την έναρξη της θεραπείας και επακόλουθης μεταβολής CD4 είναι μη γραμμική. Τα spline και BART μοντέλα προσέφεραν πιο ευέλικτη περιγραφή της σχέσης σε σύγκριση με το απλό γραμμικό μοντέλο, χωρίς όμως ουσιαστική βελτίωση της συνολικής προβλεπτικής ακρίβειας. Το BART λειτούργησε κυρίως ως συμπληρωματικό διερευνητικό εργαλείο, αναδεικνύοντας τοπικές διαφοροποιήσεις και περιοχές αυξημένης αβεβαιότητας. Η ενσωμάτωση ευέλικτων προσεγγίσεων μοντελοποίησης μπορεί να συμβάλει στην καλύτερη κατανόηση της ανοσολογικής ανάκαμψης μετά την έναρξη ART, υπό την προϋπόθεση ότι τα αποτελέσματα ερμηνεύονται σε συνδυασμό με την κλινική γνώση.","abstract_has_math":false,"creators":["Γεωργίου Κωνσταντίνα","Georgiou Konstantina"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:24Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5428367"],"render_values":[{"text":"uoadl:5428367","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5428367","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5428367","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5428367","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Γεωργίου Κωνσταντίνα","Georgiou Konstantina"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5428367","https://pergamos.lib.uoa.gr/uoa/dl/object/5428367"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Εισαγωγή: Η ανοσολογική ανάκαμψη μετά την έναρξη της αντιρετροϊκής θεραπείας αποτελεί βασικό δείκτη της κλινικής πορείας των ατόμων που ζουν με HIV. Η τιμή των CD4 λεμφοκυττάρων κατά την έναρξη της θεραπείας έχει συσχετιστεί με τη μετέπειτα ανοσολογική εξέλιξη, ωστόσο η μορφή της σχέσης αυτής δεν είναι κατ’ ανάγκη γραμμική. Η παρούσα εργασία στοχεύει στη διερεύνηση της σχέσης μεταξύ CD4 κατά την έναρξη της θεραπείας και μεταβολής CD4 12–24 μήνες μετά την έναρξη της θεραπείας, συγκρίνοντας παραμετρικές και μη παραμετρικές μεθοδολογικές προσεγγίσεις. Μεθοδολογία: Χρησιμοποιήθηκαν δεδομένα από την ελληνική πολυκεντρική κοορτή AMACS. Στην κύρια πολυμεταβλητή ανάλυση συμπεριλήφθηκαν 2.154 ασθενείς με πλήρη διαθέσιμα δεδομένα στην έκβαση και στις συμμεταβλητές του μοντέλου. Η μεταβολή των CD4 μοντελοποιήθηκε με τρεις προσεγγίσεις: πολυμεταβλητό γραμμικό μοντέλο, γραμμικό μοντέλο με B-splines για τη CD4 τιμή κατά την έναρξη της θεραπείας και Bayesian Additive Regression Trees (BART). Η προβλεπτική απόδοση συγκρίθηκε μέσω 10-fold cross-validation χρησιμοποιώντας το Root Mean Squared Error (RMSE). Επιπλέον, εξετάστηκαν καμπύλες μερικής εξάρτησης, conditional partial dependence καμπύλες ως προς το ιικό φορτίο (log10 HIV-RNA) κατά την έναρξη της θεραπείας, καθώς και ανάλυση ευαισθησίας ως προς βασικές υπερπαραμέτρους του BART. Αποτελέσματα: Παρατηρήθηκε μη γραμμική σχέση μεταξύ CD4 κατά την έναρξη της θεραπείας και μεταβολής CD4. Η μεγαλύτερη προβλεπόμενη ανοσολογική ανάκαμψη καταγράφηκε σε ενδιάμεσες CD4 τιμές κατά την έναρξη της θεραπείας, ενώ σε υψηλότερες τιμές η προβλεπόμενη μεταβολή ήταν μικρότερη. Το spline μοντέλο και το BART παρείχαν πιο ευέλικτη αποτύπωση της σχέσης σε σύγκριση με το γραμμικό μοντέλο. Στη διαδικασία 10-fold cross-validation, οι μέσες τιμές RMSE ήταν παρόμοιες μεταξύ των μοντέλων: 223,79 για το γραμμικό μοντέλο, 221,83 για το spline μοντέλο και 222,37 για το BART. Οι conditional partial dependence καμπύλες ως προς το HIV-RNA κατά την έναρξη της θεραπείας έδειξαν ότι υψηλότερο ιικό φορτίο σχετίστηκε κυρίως με υψηλότερο επίπεδο προβλεπόμενης μεταβολής CD4, χωρίς όμως να τεκμηριώνεται ισχυρή αλληλεπίδραση μεταξύ CD4 κατά την έναρξη της θεραπείας και HIV-RNA. Η ανάλυση ευαισθησίας έδειξε ότι η εκτιμώμενη μορφή της σχέσης στο BART παρέμεινε σταθερή υπό εναλλακτικές επιλογές υπερπαραμέτρων. Συμπέρασμα: Η σχέση μεταξύ ανοσολογικής κατάστασης κατά την έναρξη της θεραπείας και επακόλουθης μεταβολής CD4 είναι μη γραμμική. Τα spline και BART μοντέλα προσέφεραν πιο ευέλικτη περιγραφή της σχέσης σε σύγκριση με το απλό γραμμικό μοντέλο, χωρίς όμως ουσιαστική βελτίωση της συνολικής προβλεπτικής ακρίβειας. Το BART λειτούργησε κυρίως ως συμπληρωματικό διερευνητικό εργαλείο, αναδεικνύοντας τοπικές διαφοροποιήσεις και περιοχές αυξημένης αβεβαιότητας. Η ενσωμάτωση ευέλικτων προσεγγίσεων μοντελοποίησης μπορεί να συμβάλει στην καλύτερη κατανόηση της ανοσολογικής ανάκαμψης μετά την έναρξη ART, υπό την προϋπόθεση ότι τα αποτελέσματα ερμηνεύονται σε συνδυασμό με την κλινική γνώση.","Background: Immune recovery following the initiation of antiretroviral therapy (ART) is a key indicator of clinical prograssion among people living with HIV. Baseline CD4 cell count at ART initiation has consistently been associated with subsequent immunological evolution; however, the functional form of this relationship may not be strictly linear. The present study aimed to investigate the association between baseline CD4 count and CD4 change 12–24 months after ART initiation, comparing parametric and non-parametric modeling approaches. Methods: Data were derived from the Greek multicenter AMACS study. The main multivariable analysis included 2,154 individuals with complete data on the outcome and model covariates. CD4 change was modeled using three approaches: a multivariable linear regression model, a spline-based linear model incorporating B-splines for baseline CD4 count, and Bayesian Additive Regression Trees (BART). Predictive performance was evaluated using 10-fold cross-validation, with Root Mean Squared Error (RMSE) as the performance metric. Partial dependence functions were examined to explore non-linear patterns, while conditional partial dependence curves were used to assess whether the relationship between baseline CD4 and CD4 change varied across levels of baseline viral load (log10 HIV-RNA). Sensitivity analysis was conducted to evaluate the robustness of BART results across different hyperparameter settings. Results: A non-linear association between baseline CD4 count and subsequent CD4 change was observed. Greater predicted immune recovery was found at intermediate baseline CD4 levels, whereas smaller increases were predicted at higher baseline values. The spline and BART models provided a more flexible representation of this relationship compared with the linear model. In 10-fold cross-validation, mean RMSE values were similar across models: 223.79 for the linear model, 221.83 for the spline model, and 222.37 for BART. Conditional partial dependence curves suggested that higher baseline HIV-RNA was mainly associated with a higher overall level of predicted CD4 change, without strong evidence of a substantial interaction between baseline CD4 and log10 HIV-RNA. Sensitivity analysis showed that the estimated BART relationship remained stable across alternative hyperparameter specifications. Conclusion: The relationship between baseline immune status and subsequent CD4 recovery is non-linear. Spline and BART models offered a more flexible description of this relationship than the standard linear model, without providing a substantial improvement in overall predictive accuracy. BART mainly served as a complementary exploratory tool, highlighting local variation and areas of increased uncertainty. These findings support the value of flexible modeling approaches for understanding immune recovery after ART initiation, provided that their results are interpreted alongside clinical knowledge."]},{"key":"dc:title","label":"Title","values":["Εφαρμογή Μπεϋζιανών Αθροιστικών Δένδρων Παλινδρόμησης (BART) στη μοντελοποίηση της ανοσολογικής αποκατάστασης CD4 σε άτομα με HIV υπό αντιρετροϊκή αγωγή"]}]}],"canonical_facts":{"dc:creator":["Γεωργίου Κωνσταντίνα","Georgiou Konstantina"],"dc:date":["2026"],"dc:description":["Εισαγωγή: Η ανοσολογική ανάκαμψη μετά την έναρξη της αντιρετροϊκής θεραπείας αποτελεί βασικό δείκτη της κλινικής πορείας των ατόμων που ζουν με HIV. Η τιμή των CD4 λεμφοκυττάρων κατά την έναρξη της θεραπείας έχει συσχετιστεί με τη μετέπειτα ανοσολογική εξέλιξη, ωστόσο η μορφή της σχέσης αυτής δεν είναι κατ’ ανάγκη γραμμική. Η παρούσα εργασία στοχεύει στη διερεύνηση της σχέσης μεταξύ CD4 κατά την έναρξη της θεραπείας και μεταβολής CD4 12–24 μήνες μετά την έναρξη της θεραπείας, συγκρίνοντας παραμετρικές και μη παραμετρικές μεθοδολογικές προσεγγίσεις. Μεθοδολογία: Χρησιμοποιήθηκαν δεδομένα από την ελληνική πολυκεντρική κοορτή AMACS. Στην κύρια πολυμεταβλητή ανάλυση συμπεριλήφθηκαν 2.154 ασθενείς με πλήρη διαθέσιμα δεδομένα στην έκβαση και στις συμμεταβλητές του μοντέλου. Η μεταβολή των CD4 μοντελοποιήθηκε με τρεις προσεγγίσεις: πολυμεταβλητό γραμμικό μοντέλο, γραμμικό μοντέλο με B-splines για τη CD4 τιμή κατά την έναρξη της θεραπείας και Bayesian Additive Regression Trees (BART). Η προβλεπτική απόδοση συγκρίθηκε μέσω 10-fold cross-validation χρησιμοποιώντας το Root Mean Squared Error (RMSE). Επιπλέον, εξετάστηκαν καμπύλες μερικής εξάρτησης, conditional partial dependence καμπύλες ως προς το ιικό φορτίο (log10 HIV-RNA) κατά την έναρξη της θεραπείας, καθώς και ανάλυση ευαισθησίας ως προς βασικές υπερπαραμέτρους του BART. Αποτελέσματα: Παρατηρήθηκε μη γραμμική σχέση μεταξύ CD4 κατά την έναρξη της θεραπείας και μεταβολής CD4. Η μεγαλύτερη προβλεπόμενη ανοσολογική ανάκαμψη καταγράφηκε σε ενδιάμεσες CD4 τιμές κατά την έναρξη της θεραπείας, ενώ σε υψηλότερες τιμές η προβλεπόμενη μεταβολή ήταν μικρότερη. Το spline μοντέλο και το BART παρείχαν πιο ευέλικτη αποτύπωση της σχέσης σε σύγκριση με το γραμμικό μοντέλο. Στη διαδικασία 10-fold cross-validation, οι μέσες τιμές RMSE ήταν παρόμοιες μεταξύ των μοντέλων: 223,79 για το γραμμικό μοντέλο, 221,83 για το spline μοντέλο και 222,37 για το BART. Οι conditional partial dependence καμπύλες ως προς το HIV-RNA κατά την έναρξη της θεραπείας έδειξαν ότι υψηλότερο ιικό φορτίο σχετίστηκε κυρίως με υψηλότερο επίπεδο προβλεπόμενης μεταβολής CD4, χωρίς όμως να τεκμηριώνεται ισχυρή αλληλεπίδραση μεταξύ CD4 κατά την έναρξη της θεραπείας και HIV-RNA. Η ανάλυση ευαισθησίας έδειξε ότι η εκτιμώμενη μορφή της σχέσης στο BART παρέμεινε σταθερή υπό εναλλακτικές επιλογές υπερπαραμέτρων. Συμπέρασμα: Η σχέση μεταξύ ανοσολογικής κατάστασης κατά την έναρξη της θεραπείας και επακόλουθης μεταβολής CD4 είναι μη γραμμική. Τα spline και BART μοντέλα προσέφεραν πιο ευέλικτη περιγραφή της σχέσης σε σύγκριση με το απλό γραμμικό μοντέλο, χωρίς όμως ουσιαστική βελτίωση της συνολικής προβλεπτικής ακρίβειας. Το BART λειτούργησε κυρίως ως συμπληρωματικό διερευνητικό εργαλείο, αναδεικνύοντας τοπικές διαφοροποιήσεις και περιοχές αυξημένης αβεβαιότητας. Η ενσωμάτωση ευέλικτων προσεγγίσεων μοντελοποίησης μπορεί να συμβάλει στην καλύτερη κατανόηση της ανοσολογικής ανάκαμψης μετά την έναρξη ART, υπό την προϋπόθεση ότι τα αποτελέσματα ερμηνεύονται σε συνδυασμό με την κλινική γνώση.","Background: Immune recovery following the initiation of antiretroviral therapy (ART) is a key indicator of clinical prograssion among people living with HIV. Baseline CD4 cell count at ART initiation has consistently been associated with subsequent immunological evolution; however, the functional form of this relationship may not be strictly linear. The present study aimed to investigate the association between baseline CD4 count and CD4 change 12–24 months after ART initiation, comparing parametric and non-parametric modeling approaches. Methods: Data were derived from the Greek multicenter AMACS study. The main multivariable analysis included 2,154 individuals with complete data on the outcome and model covariates. CD4 change was modeled using three approaches: a multivariable linear regression model, a spline-based linear model incorporating B-splines for baseline CD4 count, and Bayesian Additive Regression Trees (BART). Predictive performance was evaluated using 10-fold cross-validation, with Root Mean Squared Error (RMSE) as the performance metric. Partial dependence functions were examined to explore non-linear patterns, while conditional partial dependence curves were used to assess whether the relationship between baseline CD4 and CD4 change varied across levels of baseline viral load (log10 HIV-RNA). Sensitivity analysis was conducted to evaluate the robustness of BART results across different hyperparameter settings. Results: A non-linear association between baseline CD4 count and subsequent CD4 change was observed. Greater predicted immune recovery was found at intermediate baseline CD4 levels, whereas smaller increases were predicted at higher baseline values. The spline and BART models provided a more flexible representation of this relationship compared with the linear model. In 10-fold cross-validation, mean RMSE values were similar across models: 223.79 for the linear model, 221.83 for the spline model, and 222.37 for BART. Conditional partial dependence curves suggested that higher baseline HIV-RNA was mainly associated with a higher overall level of predicted CD4 change, without strong evidence of a substantial interaction between baseline CD4 and log10 HIV-RNA. Sensitivity analysis showed that the estimated BART relationship remained stable across alternative hyperparameter specifications. Conclusion: The relationship between baseline immune status and subsequent CD4 recovery is non-linear. Spline and BART models offered a more flexible description of this relationship than the standard linear model, without providing a substantial improvement in overall predictive accuracy. BART mainly served as a complementary exploratory tool, highlighting local variation and areas of increased uncertainty. These findings support the value of flexible modeling approaches for understanding immune recovery after ART initiation, provided that their results are interpreted alongside clinical knowledge."],"dc:identifier":["uoadl:5428367","https://pergamos.lib.uoa.gr/uoa/dl/object/5428367"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Εφαρμογή Μπεϋζιανών Αθροιστικών Δένδρων Παλινδρόμησης (BART) στη μοντελοποίηση της ανοσολογικής αποκατάστασης CD4 σε άτομα με HIV υπό αντιρετροϊκή αγωγή"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:24Z"}