La mégère apprivoisée : élaborer des stratégies pour la gestion de la résistance aux médicaments dans la grippe et l'infection par le virus de l'immunodéficience humaine
Bibliographic record
Abstract
Le développement de médicaments efficaces contre le virus de l'immunodéficience humaine (VIH) est l'une des plus grandes réussites dans l'histoire médicale récente: lorsque la thérapie combinée est devenu la norme des soins en 1996, une maladie mortelle a été progressivement transformée en une maladie chronique gérable. Les décennies suivantes ont été consacrées à l'élaboration des schémas thérapeutiques consolidés pour les adultes et les enfants, à la prévention de la transmission mère-enfant et à élargir l'accès à la thérapie antirétrovirale dans les pays en développement. La réussite d'un traitement antiviral de l'infection par le VIH est devenue un modèle pour l'élaboration de stratégies de traitement efficaces pour d'autres maladies virales, telles que les hépatites, les infections à herpesviridae, enteroviridae, et la grippe A et B. Cette thèse vise à tracer une ligne continue depuis : (1) de nouveaux modèles in vitro pour simuler un traitement combiné contre un VIH-1 multirésistant afin de promouvoir la sélection du régime le plus/ durable chez les patients en sauvetage thérapeutique, à (2) la meilleure approche e11 termes de coût-bénéfice pour la surveillance de la pharmacorésistance dans les cohortes de patients traités dans des milieux à faibles ressources, et enfin jusqu'à (3) une approche translationnelle vers la gestion du traitement de la grippe et la prédiction du développement- de virus résistants aux médicaments chez les enfants. Elle vise à fournir une synthèse des leçons apprises dans l'optimisation de stratégies de traitements antiviraux et de la prévention des résistances contre le VIH et le virus de fa grippe chez les adultes et les enfants.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".