MétaCan
Menu
Retour à la cohorte
Enregistrement W4414082484 · doi:10.1128/mbio.01881-25

Bayesian estimation of HIV acquisition dates for prevention trials

2025· article· en· W4414082484 sur OpenAlexaff
Raabya Rossenkhan, Elena E. Giorgi, Danica Shao, James P. Ludwig, Jan Phillipus Lourens Labuschagne, Craig A. Magaret, Thumbi Ndung’u, Daniel Muema, Kamini Gounder, Krista L. Dong, Bruce D. Walker, Morgane Rolland, Merlin L. Robb, Leigh Anne Eller, Fred Sawe, Sorachai Nitayaphan, Eduard Grebe, M. Busch, Kevin P. Delaney, Shelley N. Facente, Lindsay N. Carpp, Allan C. deCamp, Yunda Huang, Bette Korber, Michal Juraska, Erika Rudnicki, Ewelina Kosmider, Daniel B. Reeves, Bryan T. Mayer, John Hural, Wenjie Deng, Dylan H. Westfall, Anna Yssel, David Matten, Tanmoy Bhattacharya, Lawrence Corey, Peter B. Gilbert, Carolyn Williamson, James I. Mullins, Paul T. Edlefsen

Notice bibliographique

RevuemBio · 2025
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueHIV Research and Treatment
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesHenry M. Jackson FoundationBill and Melinda Gates Foundation
Mots-clésHuman immunodeficiency virus (HIV)CohortBayesian probabilityMean squared errorEstimationCohort studyPipeline (software)Prospective cohort study

Résumé

récupéré en direct d'OpenAlex

Accurate timing estimates of when participants acquire HIV in HIV prevention trials are necessary for determining antibody levels at acquisition. The Antibody-Mediated Prevention (AMP) Studies showed that a passively administered broadly neutralizing antibody can prevent the acquisition of HIV from a neutralization-sensitive virus. We developed a pipeline for estimating the date of detectable HIV acquisition (DDA) in AMP Study participants using diagnostic and viral sequence data. Using a Bayesian strategy that combines three streams of data (REN [rev/vpu/env/Δnef] sequence, GP [gag/Δpol] sequence, and diagnostic) where their 95% credible intervals overlap based on pre-specified criteria and decision rules. We evaluated the performance of our AMP pipeline using PacBio viral sequence data from 41 participants across two prospective acute HIV acquisition cohort studies, FRESH and RV217, with twice-weekly sampling. These cohort studies enrolled young women in South Africa and men and women in Kenya and Thailand, respectively, with a high likelihood of HIV acquisition. In evaluating performance, "true DDA" was the center of bounds between last-negative and first-positive RNA diagnostic tests (median time 4 days, range 2-7 days); bias was the mean difference between estimated and true DDA. Using diagnostic data alone yielded timing estimates with a bias of 2.4 days and root mean square error (RMSE) of 7.9 days. These results were improved using sequence + diagnostic data (bias 1.5 days, RMSE 6.9 days), as well as by restricting sequence-based estimation to samples from ≤5 weeks post-DDA (bias 0.2 days, RMSE 7.8 days).IMPORTANCEIn HIV prevention trials, accurate timing estimates of when individual participants acquire HIV can be used to estimate antibody levels at the time of acquisition, which is useful for projecting antibody levels needed for prevention. The results we report here suggest that if sequence-based estimation of acquisition timing is used in future clinical trials of combination broadly neutralizing antibody (bnAb) regimens or multispecific bnAbs for HIV prevention, a sampling frequency of at least monthly is needed. Moreover, in the samples analyzed here, we observed less bias in sequence-based timing estimation for samples taken <5 weeks post-DDA. This observation is consistent with the timing of immune-driven selective pressures that may negatively impact the power to detect acquisition sieve effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,600
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,356
Écart entre enseignants0,327 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemBioMême sujetHIV Research and TreatmentTravaux en français237 207