Inactivation of Zika virus in plasma and derivatives by four different methods
Notice bibliographique
Résumé
Abstract Zika virus (ZIKV) is an emerging arbovirus with increasing prevalence in recent years. To reduce the risk of ZIKV transmission by transfusion, some mitigation strategies were recommended based on pathogen reduction technologies for blood products. In this study, we aimed to study the efficacy of several common pathogen reduction methods in the inactivation of ZIKV. The fresh frozen plasma and derivatives were spiked with a high titer of ZIKV or Sindbis virus (SINV). Viral titers and ZIKV RNA were measured before and after the inactivation treatment by methylene blue (MB), solvent/detergent (S/D), pasteurization, and low pH. The mean ZIKV infectivity titers in plasma and derivatives were 7.08 ± 0.14, 5.17 ± 0.14, 7.08 ± 0.14, and 5.80 ± 0.14 log10TCID50/mL, respectively before MB, S/D, pasteurization, and low pH inactivation. We found no detectable ZIKV RNA after five successive passages of inoculation on host cells, indicating there is no infectivity after inactivation. Similar inactivation results were observed for SINV. In conclusion, we achieved robust ZIKV inactivation through the four inactivation procedures in several blood products. These findings suggest that the pathogen reduction technologies commonly applied in plasma and derivatives have the capacity to mitigate the risk of ZIKV transmission by transfusion.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».