MétaCan
Menu
Retour à la cohorte
Enregistrement W2599994550 · doi:10.1371/journal.pcbi.1005453

Effects of contact structure on the transient evolution of HIV virulence

2017· article· en· W2599994550 sur OpenAlexafffund
Sang Woo Park, Benjamin M. Bolker

Notice bibliographique

RevuePLoS Computational Biology · 2017
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueHIV Research and Treatment
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVirulenceBiologyPopulationTransmission (telecommunications)Epidemic modelDemographyGeneticsComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Early in an epidemic, high densities of susceptible hosts select for relatively high parasite virulence; later in the epidemic, lower susceptible densities select for lower virulence. Thus over the course of a typical epidemic the average virulence of parasite strains increases initially, peaks partway through the epidemic, then declines again. However, precise quantitative outcomes, such as the peak virulence reached and its timing, may depend sensitively on epidemiological details. Fraser et al. proposed a model for the eco-evolutionary dynamics of HIV that incorporates the tradeoffs between transmission and virulence (mediated by set-point viral load, SPVL) and their heritability between hosts. Their model used implicit equations to capture the effects of partnership dynamics that are at the core of epidemics of sexually transmitted diseases. Our models combine HIV virulence tradeoffs with a range of contact models, explicitly modeling partnership formation and dissolution and allowing for individuals to transmit disease outside of partnerships. We assess summary statistics such as the peak virulence (corresponding to the maximum value of population mean log10 SPVL achieved throughout the epidemic) across models for a range of parameters applicable to the HIV epidemic in sub-Saharan Africa. Although virulence trajectories are broadly similar across models, the timing and magnitude of the virulence peak vary considerably. Previously developed implicit models predicted lower virulence and slower progression at the peak (a maximum of 3.5 log10 SPVL) compared both to more realistic models and to simple random-mixing models with no partnership structure at all (both with a maximum of ≈ 4.7 log10 SPVL). In this range of models, the simplest random-mixing structure best approximates the most realistic model; this surprising outcome occurs because the dominance of extra-pair contact in the realistic model swamps the effects of partnership structure.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil0,196

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,257
Écart entre enseignants0,244 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetHIV Research and TreatmentTravaux en français237 207