Evaluation of the 50% Infectious Dose of Human Norovirus Cin-2 in Gnotobiotic Pigs: A Comparison of Classical and Contemporary Methods for Endpoint Estimation
Notice bibliographique
Résumé
Human noroviruses (HuNoVs) are the leading causative agents of epidemic and sporadic acute gastroenteritis that affect people of all ages worldwide. However, very few dose–response studies have been carried out to determine the median infectious dose of HuNoVs. In this study, we evaluated the median infectious dose (ID50) and diarrhea dose (DD50) of the GII.4/2003 variant of HuNoV (Cin-2) in the gnotobiotic pig model of HuNoV infection and disease. Using various mathematical approaches (Reed–Muench, Dragstedt–Behrens, Spearman–Karber, logistic regression, and exponential and approximate beta-Poisson dose–response models), we estimated the ID50 and DD50 to be between 2400–3400 RNA copies, and 21,000–38,000 RNA copies, respectively. Contemporary dose–response models offer greater flexibility and accuracy in estimating ID50. In contrast to classical methods of endpoint estimation, dose–response modelling allows seamless analyses of data that may include inconsistent dilution factors between doses or numbers of subjects per dose group, or small numbers of subjects. Although this investigation is consistent with state-of-the-art ID50 determinations and offers an advancement in clinical data analysis, it is important to underscore that such analyses remain confounded by pathogen aggregation. Regardless, challenging virus strain ID50 determination is crucial for identifying the true infectiousness of HuNoVs and for the accurate evaluation of protective efficacies in pre-clinical studies of therapeutics, vaccines and other prophylactics using this reliable animal model.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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) | 0,000 | 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 tête enseignante, 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 ».