Auto-Abs against type I IFNs: Strong, common, and global determinants of severe arboviral diseases
Notice bibliographique
Résumé
Human-tropic pathogenic arboviruses are spreading worldwide. There is immense interindividual clinical variability following infection with any arbovirus. Autoantibodies (auto-Abs) neutralizing antiviral type I IFNs (AAN-I-IFN) can underlie a small but growing number of severe arboviral diseases, whether transmitted by ticks (tick-borne encephalitis virus, TBEV; Powassan virus, POWV) or mosquitoes (West Nile virus, WNV; Usutu virus, USUV; Ross River virus, RRV) and whether due to flaviviruses (WNV, TBEV, POWV, and USUV) or alphaviruses (RRV). Evidence is documented in large cohort studies for WNV and TBEV. They can also account severe adverse reactions to the live-attenuated yellow fever virus vaccine. AAN-I-IFN are present before arboviral infection and are the cause of severe disease. Carriers of these auto-Abs are common worldwide (>100 million people), have a very high risk of severe disease (relative risk >100), and account for a sizeable proportion of cases (typically >10%). Other severe diseases due to different arboviruses may also be caused by these auto-Abs.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».