Examining the dynamics of Epstein-Barr virus shedding in the tonsils and the impact of HIV-1 coinfection on daily saliva viral loads
Notice bibliographique
Résumé
Epstein-Barr virus (EBV) is transmitted by saliva and is a major cause of cancer, particularly in people living with HIV/AIDS. Here, we describe the frequency and quantity of EBV detection in the saliva of Ugandan adults with and without HIV-1 infection and use these data to develop a novel mathematical model of EBV infection in the tonsils. Eligible cohort participants were not taking antiviral medications, and those with HIV-1 infection had a CD4 count >200 cells/mm3. Over a 4-week period, participants provided daily oral swabs that we analysed for the presence and quantity of EBV. Compared with HIV-1 uninfected participants, HIV-1 coinfected participants had an increased risk of EBV detection in their saliva (IRR = 1.27, 95% CI = 1.10-1.47) and higher viral loads in positive samples. We used these data to develop a stochastic, mechanistic mathematical model that describes the dynamics of EBV, infected cells, and immune response within the tonsillar epithelium to analyse potential factors that may cause EBV infection to be more severe in HIV-1 coinfected participants. The model, fit using Approximate Bayesian Computation, showed high fidelity to daily oral shedding data and matched key summary statistics. When evaluating how model parameters differed among participants with and without HIV-1 coinfection, results suggest HIV-1 coinfected individuals have higher rates of B cell reactivation, which can seed new infection in the tonsils and lower rates of an EBV-specific immune response. Subsequently, both these traits may explain higher and more frequent EBV detection in the saliva of HIV-1 coinfected individuals.
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 | 0,000 | 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) | 0,000 | 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 ».