A molecular phylogenetics-based approach for identifying recent hepatitis C virus transmission events
Notice bibliographique
Résumé
UNLABELLED: Improved surveillance methods are needed to better understand the current hepatitis C virus (HCV) disease burden and to monitor the impact of prevention and treatment interventions on HCV transmission dynamics. Sanger sequencing (HCV NS5B, HVR1 and Core-E1-HVR1) and phylogenetics were applied to samples from individuals diagnosed with HCV in British Columbia, Canada in 2011. This included individuals with two or three sequential samples collected <1 year apart. Patristic distances between sequential samples were used to set cutoffs to identify recent transmission clusters. Factors associated with transmission clustering were analyzed using logistic regression. From 618 individuals, 646 sequences were obtained. Depending on the cutoff used, 63 (10%) to 92 (15%) unique individuals were identified within transmission clusters of predicted recent origin. Clustered individuals were more likely to be <40 years old (Adjusted Odds Ratio (AOR) 2.12, 95% CI 1.21-3.73), infected with genotype 1a (AOR 6.60, 95% CI 1.98-41.0), and to be seroconverters with estimated infection duration of <1 year (AOR 3.13, 95% CI 1.29-7.36) or >1 year (AOR 2.19, 95% CI 1.22-3.97). CONCLUSION: Systematic application of molecular phylogenetics may be used to enhance traditional surveillance methods through identification of recent transmission clusters.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».