MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411393124 · doi:10.1101/2025.06.13.659551

Susceptible host dynamics explain pathogen resilience to perturbations

2025· preprint· en· W4411393124 sur OpenAlexaboutno aff
Sang Woo Park, Bjarke Frost Nielsen, Emily Howerton, Bryan T. Grenfell, Sarah Cobey

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Cancer InstituteNational Institutes of HealthCarlsbergfondetSeoul National UniversityLife Sciences Research Foundation
Mots-clésPandemicResilience (materials science)Psychological resilienceBiologyPathogenPopulationTransmission (telecommunications)Coronavirus disease 2019 (COVID-19)DiseaseInfectious disease (medical specialty)ImmunologyEnvironmental healthMedicinePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Interventions to slow the spread of SARS-CoV-2 significantly disrupted the transmission of other pathogens. As interventions lifted, whether and when human pathogens would eventually return to their pre-pandemic dynamics remains to be answered. Here, we present a framework for estimating pathogen resilience based on how fast epidemic patterns return to their pre-pandemic dynamics. By analyzing time series data from Hong Kong, Canada, Korea, and the US, we quantify the resilience of common respiratory pathogens and further predict when each pathogen will eventually return to its pre-pandemic dynamics. Our predictions are able to distinguish which pathogens should have returned already, and deviations from these predictions reveal long-term impacts of pandemic perturbations. We find a faster rate of susceptible replenishment underlies pathogen resilience and sensitivity to both large and small perturbations. Overall, our analysis highlights the persistent nature of common respiratory pathogens compared to vaccine-preventable infections, such as measles. Significance Statement COVID-19 interventions slowed the transmission of many respiratory pathogens in different ways, raising questions about the mechanisms driving the variation in responses to interventions. To address this gap, we characterized the sensitivity of pathogen transmission to perturbations by quantifying how fast each pathogen returned to its pre-pandemic circulation patterns. We analyzed data from Hong Kong, Canada, Korea, and the US, and showed that common respiratory pathogens are far less sensitive to perturbations than measles, a vaccine-preventable infection. Finally, we showed that the speed of replenishment of the susceptible population—for example, through waning immunity—largely determines this sensitivity, suggesting that the persistence of common respiratory pathogens is likely driven by rapid susceptible replenishment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,330
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetCOVID-19 epidemiological studies→Travaux en français237 207→