Modelling the impact of antibody-dependent enhancement on disease severity of Zika virus and dengue virus sequential and co-infection
Notice bibliographique
Résumé
can result in a significantly larger peak viral load with a much higher risk of severe disease. Although several mathematical models have been developed to quantify the virus dynamics in the primary and secondary infections of DENV, little progress has been made regarding secondary infection of DENV after a primary infection of ZIKV, or DENV-ZIKV co-infection. Here, we address this critical gap by developing compartmental models of virus dynamics. We first fitted the models to published data on dengue viral loads of the primary and secondary infections with the observation that the primary infection reaches its peak much more gradually than the secondary infection. We then quantitatively show that ADE is the key factor determining a sharp increase/decrease of viral load near the peak time in the secondary infection. In comparison, our simulations of DENV and ZIKV co-infection (simultaneous rather than sequential) show that ADE has very limited influence on the peak DENV viral load. This indicates pre-existing immunity to ZIKV is the determinant of a high level of ADE effect. Our numerical simulations show that (i) in the absence of ADE effect, a subsequent co-infection is beneficial to the second virus; and (ii) if ADE is feasible, then a subsequent co-infection can induce greater damage to the host with a higher peak viral load and a much earlier peak time for the second virus, and for the second peak for the first virus.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».