Auto-Abs neutralizing type I IFNs in patients with severe Powassan, Usutu, or Ross River virus disease
Notice bibliographique
Résumé
Arboviral diseases are a growing global health concern. Pre-existing autoantibodies (auto-Abs) neutralizing type I interferons (IFNs) can underlie encephalitis due to West Nile virus (WNV) (∼40% of patients) and tick-borne encephalitis (TBE, due to TBE virus [TBEV]) (∼10%). We report here that these auto-Abs can also underlie severe forms of rarer arboviral infections. Auto-Abs neutralizing high concentrations of IFN-α2, IFN-β, and/or IFN-ω are present in the single case of severe Powassan virus (POWV) encephalitis studied, two of three cases of severe Usutu virus (USUV) infection studied, and the most severe of 24 cases of Ross River virus (RRV) disease studied. These auto-Abs are not found in any of the 137 individuals with silent or mild infections with these three viruses. Thus, auto-Abs neutralizing type I IFNs underlie an increasing list of severe arboviral diseases due to Flaviviridae (WNV, TBEV, POWV, USUV) or Togaviridae (RRV) viruses transmitted to humans by mosquitos (WNV, USUV, RRV) or ticks (TBEV, POWV).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».