Cholesterol in Relation to COVID-19: Should We Care about It?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Current data suggest that infection with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) causing corona virus disease-19 (COVID-19) seems to follow a more severe clinical course in patients with cardiovascular disease (CVD), hypertension, and overweight/obesity. It appears that lipid-lowering pharmacological interventions, in particular statins, might reduce the risk of cardiovascular complications caused by COVID-19 and might potentially have an additional antiviral activity. It has been shown that high cholesterol levels are associated with more lipid rafts, subdomains of the plasma membrane that can harbour angiotensin-converting enzyme 2 (ACE2) receptors for the S-protein of SARS-CoV-2. Evidence of the importance of cholesterol for viral entry into host cells could suggest a role for cholesterol-lowering therapies in reducing viral infectivity. In addition to their lipid-lowering and plaque-stabilisation effects, statins possess pleiotropic effects including anti-inflammatory, immunomodulatory, and antithrombotic activities. Lower rates of mortality and intubation have been reported in studies investigating statin therapy in influenza infection, and statin therapy was shown to increase viral clearance from the blood during chronic hepatitis C infection. Statins may also serve as potential SARS-CoV-2 main protease inhibitors, thereby contributing to the control of viral infection. In this review, we elaborate on the role of cholesterol level in the process of the coronavirus infection and provide a critical appraisal on the potential of statins in reducing the severity, duration, and complications of COVID-19.
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.
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 | 0,011 | 0,822 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,012 |
| 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 découle