愛荷華大學的一個團隊開發了一個複雜的貝葉斯聯合模型，以更好地了解利甚曼尼亞感染的進步。該模型集成了縱向數據和時間-To -Time數據，從而提供了一種研究疾病的全面方法。該研究發表在PLOS ONE中。
Felix Unborn-Rodriguez博士及其專欄，包括Grant Brown博士，Breanna Scorza博士和Christine Petersen博士，使用貝葉斯統計框架來探索致病負荷，包括抗體水平和疾病進展的免疫反應之間的相互作用。
研究人員開發的貝葉斯共同模型包括來自一群自然暴露於利甚曼原蟲的狗的數據。該模型考慮了許多因素，包括炎症和調節性免疫反應，為疾病進展提供了動態和全面的看法。包括測量值，例如CD4+和CD8+ T細胞的擴散以及細胞因子表達，例如白介素10（IL-10）和乾擾素 – γ（IFN-γ），該模型捕獲了感染過程中免疫反應的複雜性。
羅德里格斯（Rodriguez）博士（Rodriguez Unjext）博士現在是印第安納大學醫學院的生物統計學和健康數據科學助理教授，他強調了他們發現的重要性：“我們的模型不僅有助於了解利甚曼尼亞感染的進步，而且還可以預測各個疾病疾病。他進一步強調：“通過整合免疫反應的多個變量，我們可以更準確地預測疾病的結果，這對於及時有效的干擾至關重要。 ”
重要的是，研究人員的發現發現，在患有嚴重形式的疾病的受試者中已經觀察到了利甚曼原蟲的高水平抗體，並且有積累的證據表明，B細胞和抗體與該疾病的病理學有關。 “包括CD4+和CD8+ T細胞變量，例如細胞因子的擴散和表達，我們能夠在現實世界中對疾病的進展進行密切建模。”這種詳細的建模方法強調了免疫反應元件在疾病進展中的重要性以及可能的治療結果。
該模型還使用平均平均自動化移動訪問（武器）來計算宿主內部的變異性和病原體的動態。這使人們對不同因素如何相互作用以影響疾病的進展和生存結果有更細微的了解。該模型在內，包括炎症和調節性免疫反應，在管理慢性感染（如利甚曼原蟲）時提供了有關免疫系統微妙平衡的知識。
博士對他們工作的前所未有的含義：“我們的訪問可以研究其他慢性傳染病，為傳染病建模領域的研究人員提供了有價值的工具。”該研究表明，先進的統計建模如何改善對複雜疾病過程的理解，最終有助於發展最佳治療策略。
總之，這項研究標誌著建模傳染病的領域取得了重大進展，特別是對於具有復雜免疫反應（例如利甚曼原蟲）的疾病。愛荷華大學團隊開發的貝葉斯共同模型提供了一個有力的框架，以了解疾病的進步並改善個人疾病結果的預測。
日記
了解Rodriguez，FM，Brown，GD，Scorza，BM，Petersen，CA，“聯合主持人建模貝葉斯縱向數據和利甚曼原蟲感染的時間。” PLOS ONE（2024）。 doi： https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0297175
作者周圍
會眾 他是印第安納大學醫學院（IUSM）生物統計學和健康數據科學系的助理教授。他畢業於博士學位。 2023年5月，來自愛荷華大學的生物統計學文憑，並於2023年7月加入IUSM。他在波多黎各Rico Mayaguez贏得了MS和BS學位。印第安納大學博士選舉了印第安納大學，因為醫學院和公共衛生學院Fairbanks之間的獨特研究機會。
Felix的生物醫學研究有助於通過應用貝葉斯統計方法來理解傳染病和免疫反應的發展。他的一些研究作品包括評估寨卡病毒的流行病學參數，研究與內臟利甚曼病和萊姆病有關的免疫系統的動力學，以及通過共同的縱向數據模型和生存模型通過共同感染的影響。此外，他有興趣解決針對溝通和非傳播疾病的健康不平等現象。
其他興趣圍繞著促進STEM教育中的多樣性，平等和包容性。它致力於解決少數族裔學生在學科中的代表以及統計學和數據科學教育的改善。
