Host biomarkers are associated with progression to dengue haemorrhagic fever: a nested case-control study
Notice bibliographique
Résumé
OBJECTIVES: Dengue represents the most important arboviral infection worldwide. Onset of circulatory collapse can be unpredictable. Biomarkers that can identify individuals at risk of plasma leakage may facilitate better triage and clinical management. DESIGN: Using a nested case-control design, we randomly selected subjects from a prospective cohort study of dengue in Colombia (n=1582). Using serum collected within 96 hours of fever onset, we tested 19 biomarkers by ELISA in cases (developed dengue hemorrhagic fever or dengue shock syndrome (DHF/DSS); n=46), and controls (uncomplicated dengue fever (DF); n=65) and healthy controls (HC); n=15. RESULTS: Ang-1 levels were lower and angptl3, sKDR, sEng, sICAM-1, CRP, CXCL10/IP-10, IL-18 binding protein, CHI3L1, C5a and Factor D levels were increased in dengue compared to HC. sICAM-1, sEng and CXCL10/IP-10 were further elevated in subjects who subsequently developed DHF/DSS (p=0.008, p=0.028 and p=0.025, respectively). In a logistic regression model, age (odds ratio (OR) (95% CI): 0.95 (0.92-0.98), p=0.001), hyperesthesia/hyperalgesia (OR; 3.8 (1.4-10.4), p=0.008) and elevated sICAM-1 (>298ng/mL: OR; 6.3 (1.5-25.7), p=0.011) at presentation were independently associated with progression to DHF/DSS. CONCLUSIONS: These results suggest that inflammation and endothelial activation are important pathways in the pathogenesis of dengue and sICAM-1 levels may identify individuals at risk of plasma leakage.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».