MétaCan
Menu
Retour à la cohorte
Enregistrement W1973541279 · doi:10.1186/1471-2334-9-8

Antiviral resistance during pandemic influenza: implications for stockpiling and drug use

2009· article· en· W1973541279 sur OpenAlexafffund
Julien Arino, Christopher S Bowman, Seyed M. Moghadas

Notice bibliographique

RevueBMC Infectious Diseases · 2009
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversity of WinnipegUniversity of ManitobaNational Research Council CanadaNational Research Council Institute for Biodiagnostics
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésPandemicOutbreakDrug resistanceBasic reproduction numberAntiviral drugMedical microbiologyPopulationMedicinePublic healthIntensive care medicineDrugAntiviral treatmentEnvironmental healthVirologyVirusBiologyCoronavirus disease 2019 (COVID-19)PharmacologyDiseaseInfectious disease (medical specialty)MicrobiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The anticipated extent of antiviral use during an influenza pandemic can have adverse consequences for the development of drug resistance and rationing of limited stockpiles. The strategic use of drugs is therefore a major public health concern in planning for effective pandemic responses. METHODS: We employed a mathematical model that includes both sensitive and resistant strains of a virus with pandemic potential, and applies antiviral drugs for treatment of clinical infections. Using estimated parameters in the published literature, the model was simulated for various sizes of stockpiles to evaluate the outcome of different antiviral strategies. RESULTS: We demonstrated that the emergence of highly transmissible resistant strains has no significant impact on the use of available stockpiles if treatment is maintained at low levels or the reproduction number of the sensitive strain is sufficiently high. However, moderate to high treatment levels can result in a more rapid depletion of stockpiles, leading to run-out, by promoting wide-spread drug resistance. We applied an antiviral strategy that delays the onset of aggressive treatment for a certain amount of time after the onset of the outbreak. Our results show that if high treatment levels are enforced too early during the outbreak, a second wave of infections can potentially occur with a substantially larger magnitude. However, a timely implementation of wide-scale treatment can prevent resistance spread in the population, and minimize the final size of the pandemic. CONCLUSION: Our results reveal that conservative treatment levels during the early stages of the outbreak, followed by a timely increase in the scale of drug-use, will offer an effective strategy to manage drug resistance in the population and avoid run-out. For a 1918-like strain, the findings suggest that pandemic plans should consider stockpiling antiviral drugs to cover at least 20% of the population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,165
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,168
Tête enseignante GPT0,416
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Infectious DiseasesMême sujetCOVID-19 epidemiological studiesTravaux en français237 207