MétaCan
Menu
Retour à la cohorte
Enregistrement W2016842303 · doi:10.1371/journal.pone.0001839

Population-Wide Emergence of Antiviral Resistance during Pandemic Influenza

2008· article· en· W2016842303 sur OpenAlexafffund
Seyed M. Moghadas, Christopher S Bowman, Gergely Röst

Notice bibliographique

RevuePLoS ONE · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensYork UniversityUniversity of WinnipegUniversity of ManitobaNational Research Council CanadaNational Research Council Institute for Biodiagnostics
Organismes subventionnairesHungarian Scientific Research FundCoral Reef Conservation ProgramNatural Sciences and Engineering Research Council of CanadaMitacsCanada Research Chairs
Mots-clésPandemicPopulationOutbreakDrug resistanceBiologyVirologyNeuraminidaseOseltamivirDiseaseVirusCoronavirus disease 2019 (COVID-19)Infectious disease (medical specialty)MedicineEnvironmental healthGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The emergence of neuraminidase inhibitor resistance has raised concerns about the prudent use of antiviral drugs in response to the next influenza pandemic. While resistant strains may initially emerge with compromised viral fitness, mutations that largely compensate for this impaired fitness can arise. Understanding the extent to which these mutations affect the spread of disease in the population can have important implications for developing pandemic plans. METHODOLOGY/PRINCIPAL FINDINGS: By employing a deterministic mathematical model, we investigate possible scenarios for the emergence of population-wide resistance in the presence of antiviral drugs. The results show that if the treatment level (the fraction of clinical infections which receives treatment) is maintained constant during the course of the outbreak, there is an optimal level that minimizes the final size of the pandemic. However, aggressive treatment above the optimal level can substantially promote the spread of highly transmissible resistant mutants and increase the total number of infections. We demonstrate that resistant outbreaks can occur more readily when the spread of disease is further delayed by applying other curtailing measures, even if treatment levels are kept modest. However, by changing treatment levels over the course of the pandemic, it is possible to reduce the final size of the pandemic below the minimum achieved at the optimal constant level. This reduction can occur with low treatment levels during the early stages of the pandemic, followed by a sharp increase in drug-use before the virus becomes widely spread. CONCLUSIONS/SIGNIFICANCE: Our findings suggest that an adaptive antiviral strategy with conservative initial treatment levels, followed by a timely increase in the scale of drug-use, can minimize the final size of a pandemic while preventing large outbreaks of resistant infections.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,023
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,187
Tête enseignante GPT0,350
Écart entre enseignants0,163 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations75
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetInfluenza Virus Research StudiesTravaux en français237 207