贝叶斯元分析预测模型对撒哈拉以南非洲抗昆虫剂疟疾载体kdr突变的性能评估

科学领域:

• 昆虫学和公共卫生
• 遗传学和分子生物学
• 生物统计学和流行病学

背景情况:

• 广泛使用杀虫剂,特别是类杀虫剂,导致蚊子群体对杀虫剂产生显著的耐药性.
• 抗击耐药性 (kdr) 突变,特别是L1014F和L1014S,是导致Anopheles蚊子这种耐药性的关键遗传因素.
• 撒哈拉以南非洲面临着蚊子传播疾病的巨大负担,这使得抗虫剂耐药性成为一个关键的公共卫生问题.

研究的目的:

• 系统地审查和对整个撒哈拉以南非洲的Anopheles种群中L1014F和L1014S kdr突变的频率进行元分析.
• 评估贝叶斯元分析模型的预测性能和推断稳定性,以评估kdr突变频率及其与抗虫剂耐药性的关联.
• 通过改进的预测分析来加强耐药性监测和管理策略.

主要方法:

• 2015年至2025年间发表的八项病例控制或队列研究的系统审查.
• 使用马尔科夫链蒙特卡洛 (MCMC) 采样应用贝叶斯元分析模型.
• 对等位基因和/或基因型频率的分析,聚合一致性统计数据,赔率比率和漏斗图形不对称性测试.

主要成果:

• 与L1014S.相比,L1014F突变与表型抗昆虫剂耐药性 (几率比高达4.44) 的关系更强,更一致.
• 两种突变的一致性统计表明预测可靠性中等,置信区间宽.
• 贝叶斯框架成功合成了异构的耐药性数据,证实了kdr突变在耐药性监测中的运行相关性.

结论:

• 贝叶斯模型提供了一个强大的方法来合成复杂的杀虫剂耐药性数据,增强耐药性管理的预测分析.
• 这些发现强调了抗杀虫剂耐药性演变的动态性质,需要适应性和预测性管理策略.
• 将生态和热力学变量集成到预测模型中,对于改善未来的耐药性预测和监测工作至关重要.