Prevalence of Low-Frequency, Antiviral Resistance Variants in SARS-CoV-2 Isolates in Ontario, Canada, 2020-2023
Notice bibliographique
Résumé
Importance: Nirmatrelvir-ritonavir is an oral antiviral medication that improves outcomes in SARS-CoV-2 infections. However, there is concern that antiviral resistance will develop and that these viruses could be selected for after treatment. Objective: To determine the prevalence of low-frequency SARS-CoV-2 variants in patient samples that could be selected for by nirmatrelvir-ritonavir. Design, Setting, and Participants: This retrospective cohort study was conducted at 4 laboratories that serve community hospitals, academic tertiary care centers, and COVID-19 assessment centers in Ontario, Canada. Participants included symptomatic or asymptomatic patients who tested positive for SARS-CoV-2 virus and submitted virus samples for diagnostic testing between March 2020 and January 2023. Exposure: SARS-CoV-2 infection. Main Outcomes and Measures: Samples with sufficient viral load underwent next-generation genome sequencing to identify low-frequency antiviral resistance variants that could not be identified through conventional sequencing. Results: This study included 78 866 clinical samples with next-generation whole-genome sequencing data for SARS-CoV-2. Low-frequency variants in the viral nsp5 gene were identified in 128 isolates (0.16%), and no single variant associated with antiviral resistance was predominate. Conclusions and Relevance: This cohort study of low-frequency variants resistant to nirmatrelvir-ritonavir found that these variants were very rare in samples from patients with SARS-CoV-2, suggesting that selection of these variants by nirmatrelvir-ritonavir following the initiation of treatment may also be rare. Surveillance efforts that involve sequencing of viral isolates should continue to monitor for novel resistance variants as nirmatrelvir-ritonavir is used more broadly.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».