Understanding the treatment benefit of hyperimmune anti-influenza intravenous immunoglobulin (Flu-IVIG) for severe human influenza
Notice bibliographique
Résumé
BACKGROUNDAntibody-based therapies for respiratory viruses are of increasing importance. The INSIGHT 006 trial administered anti-influenza hyperimmune intravenous immunoglobulin (Flu-IVIG) to patients hospitalized with influenza. Flu-IVIG treatment improved outcomes in patients with influenza B but showed no benefit for influenza A.METHODSTo probe potential mechanisms of Flu-IVIG utility, sera collected from patients hospitalized with influenza A or B viruses (IAV or IBV) were analyzed for antibody isotype/subclass and Fcγ receptor (FcγR) binding by ELISA, bead-based multiplex, and NK cell activation assays.RESULTSInfluenza-specific FcγR-binding antibodies were elevated in Flu-IVIG-infused IBV- and IAV-infected patients. In IBV-infected participants (n = 62), increased IgG3 and FcγR binding were associated with more favorable outcomes. Flu-IVIG therapy also improved the odds of a more favorable outcome in patients with low levels of anti-IBV Fc-functional antibody. Higher FcγR-binding antibody was associated with less favorable outcomes in IAV-infected patients (n = 50), and Flu-IVIG worsened the odds of a favorable outcome in participants with low levels of anti-IAV Fc-functional antibody.CONCLUSIONThese detailed serological analyses provide insights into antibody features and mechanisms required for a successful humoral response against influenza, suggesting that IBV-specific, but not IAV-specific, antibodies with Fc-mediated functions may assist in improving influenza outcome. This work will inform development of improved influenza immunotherapies.TRIAL REGISTRATIONClinicalTrials.gov NCT02287467.FUNDINGFunding for this research was provided by subcontract 13XS134 under Leidos Biomedical Research Prime Contract HHSN261200800001E and HHSN261201500003I, NCI/NIAID.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».