A Viroimmunologic Model to Characterize the Antiviral Effect of Molnupiravir in Outpatients Infected With SARS-CoV-2: Implication for Treatment Duration
Notice bibliographique
Résumé
BACKGROUND: The antiviral efficacy of molnupiravir against SARS-CoV-2 is controversial. Here, we develop a model integrating viral and immune dynamics to characterize the mechanism of action of molnupiravir in vivo and its impact on viral dynamics during and after treatment. METHODS: We analyzed data from the PANORAMIC trial, where 577 outpatients were randomized shortly after symptom onset to receive usual care or molnupiravir for 5 days, with viral and immunologic data collected within 2 weeks. We developed a mathematical model that characterized virus-host interaction, accounting for the impact of molnupiravir on viral replication and mutagenesis. The model was used to explore the impact of longer treatment duration. RESULTS: Molnupiravir reduced RNA replication with an efficacy that reached 93% at the end of a 5-day treatment. This effect was mediated through 2 pathways: 1 that increased transition mutation frequency and 1 that directly inhibited viral production. Accordingly, 5-day treatment shortened the median time to clearance of RNA and infectious virus by approximately 2 days. Ten-day treatment could reduce the time to RNA clearance by 5 days and the occurrence of viral rebounds. Longer treatment durations might be needed for postexposure prophylaxis. CONCLUSIONS: Our model suggests that molnupiravir acts primarily on viral replication, and not specifically on viral infectivity. Longer administration of molnupiravir may reduce the rebound rate, shortening the time to viral clearance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».