Differentiation of acute from chronic hepatitis C virus infection by nonstructural 5B deep sequencing: A population‐level tool for incidence estimation
Notice bibliographique
Résumé
UNLABELLED: The ability to classify acute versus chronic hepatitis C virus (HCV) infections at the time of diagnosis is desirable to improve the quality of surveillance information. The aim of this study was to differentiate acute from chronic HCV infections utilizing deep sequencing. HCV nonstructural 5B (NS5B) amplicons (n = 94) were generated from 77 individuals (13 acute and 64 chronic HCV infections) in British Columbia, Canada, with documented seroconversion time frames. Amplicons were deep sequenced and HCV genomic diversity was measured by Shannon entropy (SE) and a single nucleotide variant (SNV) analysis. The relationship between each diversity measure and the estimated days since infection was assessed using linear mixed models, and the ability of each diversity measure to differentiate acute from chronic infections was assessed using generalized estimating equations. Both SE and the SNV diversity measures were significantly different for acute versus chronic infections (P < 0.009). NS5B nucleotide diversity continued to increase for at least 3 years postinfection. Among individuals with the least uncertainty with regard to duration of infection (n = 39), the area under the receiver operating characteristic curve (AUROC) was high (0.96 for SE; 0.98 for SNV). Although the AUROCs were lower (0.86 for SE; 0.80 for SNV) when data for all individuals were included, they remain sufficiently high for epidemiological purposes. Synonymous mutations were the primary discriminatory variable accounting for over 78% of the measured genetic diversity. CONCLUSIONS: NS5B sequence diversity assessed by deep sequencing can differentiate acute from chronic HCV infections and, with further validation, could become a powerful population-level surveillance tool for incidence estimation.
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 | 0,000 | 0,001 |
| 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 ».