Uma equipe da Universidade de Iowa desenvolveu um sofisticado modelo conjunto bayesiano para compreender melhor a progressão das infecções por Leishmania. O modelo integra dados longitudinais e de tempo até o evento para fornecer uma abordagem abrangente ao estudo da doença. A pesquisa foi publicada na PLOS ONE.
Felix Pabon-Rodriguez, Ph.D., e colegas, incluindo Grant Brown, Ph.D., Breanna Scorza, Ph.D., e Christine Petersen, Ph.D., usaram uma estrutura estatística Bayesiana para explorar a interação entre carga de patógenos, resposta imune (incluindo níveis de anticorpos) e progressão da doença.
O modelo conjunto bayesiano desenvolvido pelos pesquisadores integrou dados de um grupo de cães naturalmente expostos à Leishmania infantum. O modelo leva em consideração múltiplos fatores, incluindo inflamação e respostas imunológicas regulatórias, proporcionando uma visão dinâmica e abrangente da progressão da doença. O modelo captura a complexidade da resposta imune durante a infecção, incluindo medições como a proliferação de células T CD4+ e CD8+, bem como a expressão de citocinas, como interleucina 10 (IL-10) e interferon-γ (IFN-γ).
Pabon-Rodriguez, Ph.D., atualmente professor assistente de bioestatística e ciência de dados de saúde na Escola de Medicina da Universidade de Indiana, enfatizou a importância de suas descobertas: “Nosso modelo não apenas ajuda a compreender a progressão da infecção por Leishmania, mas também prevê trajetórias individuais de doenças. Isso pode ajudar a desenvolver tratamentos direcionados para a leishmaniose canina”. Ele enfatizou ainda: “Ao integrar múltiplas variáveis de resposta imunológica, podemos prever com mais precisão o resultado da doença, o que é fundamental para uma intervenção oportuna e eficaz”.
Notavelmente, as descobertas dos investigadores indicam que são observados níveis elevados de anticorpos específicos contra Leishmania em indivíduos com doença grave, e há evidências crescentes que implicam células B e anticorpos na patologia da doença. “Ao integrar variáveis de células T CD4+ e CD8+, como proliferação e expressão de citocinas, somos capazes de modelar de perto a progressão da doença no mundo real”, disse o Dr. Pabon-Rodriguez. Esta abordagem de modelagem detalhada destaca a importância dos elementos da resposta imune na progressão da doença e nos resultados potenciais do tratamento.
O modelo também utiliza uma abordagem de média móvel autorregressiva longitudinal (ARMA) para levar em conta a variabilidade dentro do hospedeiro e a dinâmica do patógeno ao longo do tempo. Isto permite uma compreensão mais sutil de como vários fatores interagem para influenciar a progressão da doença e os resultados de sobrevivência. Ao incluir respostas imunes inflamatórias e regulatórias, este modelo fornece informações sobre o delicado equilíbrio do sistema imunológico no manejo de infecções crônicas como a Leishmania.
Dr. Pabon-Rodriguez destacou as implicações mais amplas de seu trabalho: “Nossa abordagem pode ser adaptada para estudar outras doenças infecciosas crônicas, fornecendo uma ferramenta valiosa para pesquisadores na área de modelagem de doenças infecciosas”. O estudo demonstra como modelos estatísticos avançados podem melhorar a compreensão de processos complexos de doenças, ajudando, em última análise, a desenvolver melhores estratégias de tratamento.
No geral, este estudo marca um avanço significativo no campo da modelagem de doenças infecciosas, particularmente para doenças com respostas imunológicas complexas, como a Leishmania. O modelo conjunto bayesiano desenvolvido pela equipe da Universidade de Iowa fornece uma estrutura poderosa para compreender a progressão da doença e melhorar as previsões dos resultados de doenças individuais.
Referência do diário
Pabon-Rodriguez, FM, Brown, GD, Scorza, BM, Petersen, CA “Modelagem conjunta Bayesiana dentro do hospedeiro de dados longitudinais e de tempo até o evento da infecção por Leishmania.” PLoS Um (2024). Número digital: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0297175
Sobre o autor
congregação é professor assistente do Departamento de Bioestatística e Ciências de Dados de Saúde da Faculdade de Medicina da Universidade de Indiana (IUSM). Ele recebeu seu Ph.D. Obteve o doutorado em bioestatística pela Universidade de Iowa em maio de 2023 e ingressou na IUSM em julho de 2023. Ele recebeu seu mestrado e bacharelado pela Universidade de Porto Rico, Mayaguez. Pabon-Rodriguez escolheu a Universidade de Indiana devido às oportunidades únicas de pesquisa entre a Faculdade de Medicina da escola e a Escola de Saúde Pública de Fairbanks.
A pesquisa biomédica de Felix contribui para uma melhor compreensão das doenças infecciosas e das respostas imunológicas através da aplicação de métodos estatísticos Bayesianos. Alguns de seus trabalhos de pesquisa incluem a estimativa de parâmetros epidemiológicos do vírus Zika, o estudo da dinâmica do sistema imunológico da leishmaniose visceral e da doença de Lyme, e o impacto da coinfecção por meio de modelagem conjunta Bayesiana de dados longitudinais e de sobrevivência. Além disso, ele está interessado em abordar as disparidades em saúde, com foco particular nas doenças transmissíveis e não transmissíveis.
Outros interesses giram em torno da promoção da diversidade, equidade e inclusão na educação STEM. Ele trabalha para abordar a sub-representação de estudantes de minorias nas disciplinas STEM e melhorar o ensino de estatística e ciência de dados.
