THE EVOLUTIONARY EPIDEMIOLOGY OF MULTILOCUS DRUG RESISTANCE
Notice bibliographique
Résumé
The evolution of resistance to drugs is a major public health concern as it erodes the efficacy of our therapeutic arsenal against bacterial, viral, and fungal pathogens. Increasingly, it is recognized that the evolution of resistance involves genetic changes at more than one locus, both in cases where multiple changes are required to obtain high-level resistance, and where compensatory changes at secondary loci ameliorate the costs of resistance. Similarly, multiple loci are often involved in the evolution of multidrug resistance. There has been widespread interest recently in understanding the evolutionary consequences of multilocus resistance, with many empirical studies documenting extensive patterns of genetic interactions (i.e., epistasis) among the loci involved. Currently, however, there are few general theoretical results available that bridge the gap between classical multilocus population genetics and mathematical epidemiology. Here, such theory is developed to shed new light on these previous studies, and to provide further guidance on the type of data required to predict the evolution of pathogens in response to drug pressure. Our results reveal the importance of feedbacks between the epidemiological and evolutionary dynamics, and illustrate how these feedbacks can be exploited to control resistance. In particular, we show how interventions such as social distancing and isolation can influence rates of recombination, and how this then can slow the spread of multilocus resistance and increase the likelihood of reversion to drug sensitivity once drug therapy has ceased.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».