MétaCan
Menu
Retour à la cohorte
Enregistrement W2947702980 · doi:10.1093/aje/kwz139

Fighting the Public Health Burden of AIDS With the Human Pegivirus

2019· article· en· W2947702980 sur OpenAlexaff
Scott Greenhalgh, Rebecca Schmidt, Troy Day

Notice bibliographique

RevueAmerican Journal of Epidemiology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueViral Infections and Outbreaks Research
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPublic healthMedicineVirologyEnvironmental healthFamily medicineImmunologyPathology

Résumé

récupéré en direct d'OpenAlex

Highly active antiretroviral therapy has revolutionized the battle against human immunodeficiency virus/acquired immune deficiency syndrome (HIV/AIDS). From its current global rollout, HIV/AIDS morbidity and mortality has been greatly reduced, yet there exists substantial interest in the development of new therapies to further mitigate the HIV/AIDS health burden and to inhibit any fallout from the development of antiretroviral drug resistance. One potential intervention is the human pegivirus (HPgV). HPgV is not known to cause disease, and most remarkably it is shown to delay the progression of HIV to AIDS. However, the health benefit of increasing HPgV prevalence in the community of HIV-infected men remains unknown at the public health level. We evaluated the utility of HPgV biovaccination for mitigating the HIV/AIDS health burden using mathematical models. Importantly, our work considers the potential concern that HPgV will, itself, evolve to become disease-causing by permitting mutant disease-causing HPgV strains to potentially arise during treatment. Our findings show that HPgV biovaccination rates of 12.5%-50% annually could prevent 4.2-23.6 AIDS incidences and 3.3-18.8 AIDS deaths, and could save 2.9-18.6 disability-adjusted life years per 1,000 people. Together, these findings indicate that HPgV biovaccination could be an effective therapy for reducing HIV/AIDS morbidity and mortality, and thus warrants further exploration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,073
Tête enseignante GPT0,403
Écart entre enseignants0,330 · 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 source (Gemma direct ou Codex distillé), 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

Citations17
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of EpidemiologyMême sujetViral Infections and Outbreaks ResearchTravaux en français237 207