Influenza Studie Vorhersage von Antigenübergängen Grippetrenddaten zur Erkennung von saisonaler und pandemischer Influenza und zur Optimierung der Influenzaüberwachung. Nicola Schmid
Математика.
Influenza Studie Vorhersage von Antigenübergängen Grippetrenddaten zur Erkennung von saisonaler und pandemischer Influenza und zur Optimierung der Influenzaüberwachung
Год выпуска 0
isbn 9783753140605
Автор произведения Nicola Schmid
Жанр Математика
Издательство Bookwire
Influenza A / H3N2 ist ein sich schnell entwickelndes Virus, das alle zwei bis acht Jahre große Antigenübergänge erfährt.
Die Antizipation des Zeitpunkts und des Ergebnisses von Übergängen ist entscheidend für die Entwicklung wirksamer saisonaler Influenza-Impfstoffe. Unter Verwendung eines veröffentlichten phylodynamischen Modells der Influenzaübertragung haben wir Indikatoren für den zukünftigen Evolutionserfolg eines aufkommenden Antigenclusters identifiziert und grundlegende Kompromisse bei unserer Fähigkeit, solche Vorhersagen zu treffen, quantifiziert. Das letztendliche Schicksal eines neuen Clusters hängt von seiner anfänglichen epidemiologischen Wachstumsrate ab, die eine Funktion der Mutationslast und der Anfälligkeit der Population für den Cluster ist, sowie von der Varianz der Wachstumsrate zwischen gemeinsam zirkulierenden Viren. Die logistische Regression kann vorhersagen, ob ein Cluster mit einer relativen Häufigkeit von 5% letztendlich mit einer Sensitivität von ~ 80% erfolgreich sein wird.
Die Antizipation des Zeitpunkts und des Ergebnisses von Übergängen ist entscheidend für die Entwicklung wirksamer saisonaler Influenza-Impfstoffe. Unter Verwendung eines veröffentlichten phylodynamischen Modells der Influenzaübertragung haben wir Indikatoren für den zukünftigen Evolutionserfolg eines aufkommenden Antigenclusters identifiziert und grundlegende Kompromisse bei unserer Fähigkeit, solche Vorhersagen zu treffen, quantifiziert. Das letztendliche Schicksal eines neuen Clusters hängt von seiner anfänglichen epidemiologischen Wachstumsrate ab, die eine Funktion der Mutationslast und der Anfälligkeit der Population für den Cluster ist, sowie von der Varianz der Wachstumsrate zwischen gemeinsam zirkulierenden Viren. Die logistische Regression kann vorhersagen, ob ein Cluster mit einer relativen Häufigkeit von 5% letztendlich mit einer Sensitivität von ~ 80% erfolgreich sein wird.