Molecular epidemiological surveillance of respiratory syncytial virus infection in Myanmar from 2019 to 2023
Notice bibliographique
Résumé
To evaluate genetic changes in respiratory syncytial virus (RSV) between 2019 and 2023, we analyzed RSV strains from Myanmar before and after the COVID- 19 pandemic. Real-time polymerase chain reaction (RT-PCR) positive samples from children presenting with acute respiratory infections at outpatient clinics in Yangon were sequenced to determine the genotype. Phylogenetic and molecular evolutionary analyses were conducted using the Bayesian Markov Chain Monte Carlo method to construct the time-scale Maximum Clade Credibility tree. Of 1127 samples, 104 (9.2%) RSV-A and 233 (20.7%) RSV-B were positive by RT-PCR. There was an absence of a notable epidemic in 2020, a temporal shift with a surge of RSV-A in the 2021 outbreak, a lack of expected cases in 2022 and a substantial resurgence of RSV-B in 2023. The genotype of RSV-A was mainly A.D.3 lineage through the study period, while RSV-B were B.D.4.1.1 and B.D.E.1. RSV-A showed that the same lineage persisted within Myanmar throughout the pandemic, leading to a large outbreak post-COVID. In contrast, RSV-B strains appear to have temporarily disappeared during the pandemic, but subsequently, globally circulating strains likely entered Myanmar, resulting in a major outbreak in 2023. The estimated evolutionary rate at the G-ectodomain for RSV-A was 7.76 × 10⁻³ and RSV-B was 5.67 × 10⁻³ substitutions/site/year. Strengthening genomic surveillance will likely support comparisons of circulating strains with those in other countries and facilitate the introduction of vaccines and other interventions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».