La mia carriera di ricerca ha seguito due temi principali. A Houston, mio laboratorio incentrato sulla descrizione caratteristiche farmacodinamiche e immunologiche di agenti antifungini utilizzati per il trattamento di malattie stampo opportunistiche nei pazienti immunocompromessi. Lavorare con i collaboratori presso la University of Texas MD Anderson Cancer Center, mio laboratorio chiarito parametri associati con il dosaggio efficace per echinocandine e amfotericina B antifungini utilizzati per il trattamento di aspergillosi invasiva . Più di recente, abbiamo esplorato i parametri farmacocinetici - farmacodinamica connessi con amfotericina liposomiale efficace B o il trattamento con posaconazolo di mucormicosi. Il nostro laboratorio è stato anche il primo gruppo per rilevare il metabolita immunosoppressiva, gliotoxin, in modelli sperimentali e umana di aspergillosi polmonare invasiva . Con i collaboratori a MD. Anderson, siamo stati in grado di dimostrare che gliotossina altera la risposta immunitaria sia innata e adattativa contro il fungo, e blocca ospitare angioneogenesis nel tessuto durante l'invasione .

Dal suo arrivo a Bologna, la mia ricerca si è spostata più attenzione al secondo tema di nuovi strumenti clinici di ricerca - sviluppo specifico per la diagnosi e il monitoraggio delle infezioni gravi. In collaborazione con i ricercatori presso il "Seràgnoli " Istituto di Ematologia di Bologna , e gli investigatori in microbiologia e radiologia , abbiamo esplorato il ruolo potenziale della angiografie per migliorare la diagnosi di fungine invasive.

Sto anche lavorando al rischio di sviluppare modelli per la gestione MDR patogeni Gram - negativi nelle popolazioni di pazienti gravemente malati. Parte di questi sforzi comporta anche lo sviluppo di nuovi strumenti di monitoraggio antibiotico per facilitare l'uso appropriato degli antimicrobici , approcci su misura per l'ottimizzazione PK - PD della somministrazione di antibiotici , e costituire basi di dati epidemiologici che possono essere utilizzati per monitorare le tendenze di resistenza e valutare l'impatto dei nostri interventi.

Un elenco dei miei progetti attuali può essere trovato nella mia pagina web personale: https://russlewisid.com/project/

Meta-analisi bayesiana dei dati dei test diagnostici in medicina

Una diagnosi medica corretta è fondamentale quando si tratta di malattie o infezioni. In un mondo ideale, avremmo una serie di studi che ci guiderebbero sulla migliore approccio per un particolare problema diagnostico. Purtroppo, questo non è sempre il caso. Gli studiosi spesso devono lavorare con un corpo frammentato e variegato di prove che devono essere analizzate.

Per affrontare questo problema, gli studiosi utilizzano la meta-analisi, una tecnica statistica che consente loro di combinare le prove da più fonti. Tuttavia, i dati dei test diagnostici presentano sfide uniche. I riassunti diagnostici, come la sensibilità e la specificità, possono essere interdipendenti, rendendo una semplice combinazione fuorviante. Inoltre, gli studi diagnostici vengono solitamente condotti in scenari e popolazioni differenti, portando ad alta eterogeneità tra i risultati dello studio. Infine, gli studi inclusi possono essere di diverse qualità e design, complicando ulteriormente il processo di meta-analisi.

Recentemente sono stati sviluppati approcci bayesiani per eseguire meta-analisi dei dati dei test diagnostici che consentono di ottenere un riassunto più accurato delle prestazioni del test diagnostico calcolando la distribuzione predittiva posteriore marginale e congiunta della sensibilità e della specificità.

Per questa tesi, lo studente è invitato a selezionare un test diagnostico utilizzato in medicina/malattie infettive in cui ci sono questioni cliniche irrisolte sulle prestazioni del test e le applicazioni cliniche ottimali.

Sarà eseguita una dettagliata ricerca bibliografica per identificare gli studi pertinenti che saranno analizzati e riassunti in un database secondo le linee guida sulla precisione dei test diagnostici PRISMA.

Saranno adattati modelli di meta-analisi bayesiana al database dello studente sotto la supervisione del Prof. Lewis utilizzando il pacchetto BAMDIT nel linguaggio di programmazione statistica R per stimare la sensibilità e la specificità combinate con le posteriori predictive (misure di incertezza) e identificare gli studi outlier che non dovrebbero essere considerati per la valutazione diagnostica.

I risultati verranno utilizzati per descrivere l'eterogeneità degli studi inclusi nella meta-analisi e la previsione dei futuri risultati degli studi diagnostici.

Saranno fornite raccomandazioni per futuri studi o per la corretta applicazione clinica del test.

Gli studenti che considerano l'area di tesi sono invitati a contattare il professor Lewis via email (russelledward.lewis@unipd.it) per discutere il possibile argomento e la tempistica di completamento.