Abstract Severe acute respiratory syndrome coronavirus‐2 (SARS‐CoV‐2) persistence in COVID‐19 patients could play a key role in the emergence of variants of concern. The rapid intra ‐host evolution of SARS‐CoV‐2 may result in an increased transmissibility, immune and therapeutic escape which could be a direct consequence of COVID‐19 epidemic currents. In this context, a longitudinal retrospective study on eight consecutive COVID‐19 patients with persistent SARS‐CoV‐2 infection, from January 2022 to March 2023, was conducted. To characterize the intra ‐ and inter ‐host viral evolution, whole genome sequencing and phylogenetic analysis were performed on nasopharyngeal samples collected at different time points. Phylogenetic reconstruction revealed an accelerated SARS‐CoV‐2 intra ‐host evolution and emergence of antigenically divergent variants. The Bayesian inference and principal coordinate analysis analysis showed a host‐based genomic structuring among antigenically divergent variants, that might reflect the positive effect of containment practices, within the critical hospital area. All longitudinal antigenically divergent isolates shared a wide range of amino acidic (aa) changes, particularly in the Spike (S) glycoprotein, that increased viral transmissibility (K417N, S477N, N501Y and Q498R), enhanced infectivity (R346T, S373P, R408S, T478K, Q498R, Y505H, D614G, H655Y, N679K and P681H), caused host immune escape (S371L, S375F, T376A, K417N, and K444T/R) and displayed partial or complete resistance to treatments (G339D, R346K/T, S371F/L, S375F, T376A, D405N, N440K, G446S, N460K, E484A, F486V, Q493R, G496S and Q498R). These results suggest that multiple novel variants which emerge in the patient during persistent infection, might spread to another individual and continue to evolve. A pro‐active genomic surveillance of persistent SARS‐CoV‐2 infected patients is recommended to identify genetically divergent lineages before their diffusion.

Antibiotic resistance poses a significant threat to global public health due to complex interactions between bacterial genetic factors and external influences such as antibiotic misuse. Artificial intelligence (AI) offers innovative strategies to address this crisis. For example, AI can analyze genomic data to detect resistance markers early on, enabling early interventions. In addition, AI-powered decision support systems can optimize antibiotic use by recommending the most effective treatments based on patient data and local resistance patterns. AI can accelerate drug discovery by predicting the efficacy of new compounds and identifying potential antibacterial agents. Although progress has been made, challenges persist, including data quality, model interpretability, and real-world implementation. A multidisciplinary approach that integrates AI with other emerging technologies, such as synthetic biology and nanomedicine, could pave the way for effective prevention and mitigation of antimicrobial resistance, preserving the efficacy of antibiotics for future generations.

Abstract Dengue virus circulation is on the rise globally, with increased epidemic activity in previously unaffected countries, including within Europe. In 2023, global dengue activity peaked, and Italy reported the highest number of dengue cases and local chains of transmission to date. By curating several sources of information, we introduce a novel data repository focused on dengue reporting in Italy. We integrate data from such a repository with other geographic, genomic and climatic spatiotemporal data to present an overview of transmission patterns of the past eight years related to circulating viral lineages, geographic distribution, hotspots of reporting, and the theoretical contribution of local climate. The novel data repository can contribute to a better understanding of an evolving epidemiological scenario in Italy, with the potential to inform reassessment and planning of adequate national and European public health strategies to manage the emergence of the dengue virus.

Human papillomavirus (HPV) is a widespread viral pathogen, responsible for a significant burden of cervical and other cancers worldwide. Over the past decades, the development and widespread adoption of prophylactic HPV vaccines have dramatically reduced the incidence of HPV-related diseases. However, despite the efficacy of these vaccines, global immunization efforts still face several obstacles, including low vaccination coverage in low- and middle-income countries, vaccine hesitancy, and disparities in access to healthcare. This review aims to provide a comprehensive overview of the current state of HPV vaccines, including their mechanisms of action, safety profiles, and real-world efficacy. We will explore the impact of HPV vaccines on cancer prevention, examine the challenges related to vaccine distribution and uptake, and assess the role of public health policies in improving global vaccination rates. Additionally, the review will highlight the latest advancements in therapeutic HPV vaccines, ongoing research into next-generation vaccines, and the potential of HPV vaccination strategies in the context of personalized medicine. By examining these factors, we aim to provide insights into the future directions of HPV vaccination and its role in global public health.

Background: Retrospective studies are often criticized for their susceptibility to case selection bias compared to prospective studies, which include all patients consecutively and are thus less prone to such limitations. However, the larger sample sizes typical of retrospective studies can sometimes offset this drawback. On behalf of the Fondazione Italiana Linfomi (FIL), a substantial retrospective study involving 946 patients was conducted to examine the use of non-pegylated liposomal anthracycline (Myocet). This was followed by a prospective study, the Prospective Elderly Project, which enrolled 308 patients treated with the same liposomal anthracycline regimen. Methods: The objective of this analysis was to determine whether the patient cohort from the retrospective study significantly differed from the cohort in the prospective study. Statistical hypothesis testing was applied to assess whether the samples from both studies originated from the same underlying population. The Anderson–Darling test, a non-parametric statistical method, was utilized to evaluate and compare the overall survival distributions between the two patient cohorts. Results: The statistical tests produced conflicting results, suggesting a potential selection bias in the retrospective study or the possibility that the two groups were from the same population. These discrepancies may have arisen due to the choice of statistical methods or the quality of the data analyzed. Conclusions: This study highlights the challenges of comparing retrospective and prospective cohorts and underscores the importance of selecting appropriate statistical methodologies. The findings provide valuable insights and lay the groundwork for developing innovative approaches to improve such comparisons in future research.