Inflammation Profiling of Critically Ill Coronavirus Disease 2019 Patients
Notice bibliographique
Résumé
Objectives: Coronavirus disease 2019 is caused by severe acute respiratory syndrome-coronavirus-2 infection to which there is no community immunity. Patients admitted to ICUs have high mortality, with only supportive therapies available. Our aim was to profile plasma inflammatory analytes to help understand the host response to coronavirus disease 2019. Design: Daily blood inflammation profiling with immunoassays. Setting: Tertiary care ICU and academic laboratory. Subjects: All patients admitted to the ICU suspected of being infected with severe acute respiratory syndrome-coronavirus-2, using standardized hospital screening methodologies, had daily blood samples collected until either testing was confirmed negative on ICU day 3 (coronavirus disease 2019 negative), or until ICU day 7 if the patient was positive (coronavirus disease 2019 positive). Interventions: None. Measurements and Main Results: Age- and sex-matched healthy controls and ICU patients that were either coronavirus disease 2019 positive or coronavirus disease 2019 negative were enrolled. Cohorts were well-balanced with the exception that coronavirus disease 2019 positive patients were more likely than coronavirus disease 2019 negative patients to suffer bilateral pneumonia. Mortality rate for coronavirus disease 2019 positive ICU patients was 40%. We measured 57 inflammatory analytes and then analyzed with both conventional statistics and machine learning. Twenty inflammatory analytes were different between coronavirus disease 2019 positive patients and healthy controls (p < 0.01). Compared with coronavirus disease 2019 negative patients, coronavirus disease 2019 positive patients had 17 elevated inflammatory analytes on one or more of their ICU days 1–3 (p < 0.01), with feature classification identifying the top six analytes between cohorts as tumor necrosis factor, granzyme B, heat shock protein 70, interleukin-18, interferon-gamma-inducible protein 10, and elastase 2. While tumor necrosis factor, granzyme B, heat shock protein 70, and interleukin-18 were elevated for all seven ICU days, interferon-gamma-inducible protein 10 transiently elevated on ICU days 2 and 3 and elastase 2 increased over ICU days 2–7. Inflammation profiling predicted coronavirus disease 2019 status with 98% accuracy, whereas elevated heat shock protein 70 was strongly associated with mortality. Conclusions: While many inflammatory analytes were elevated in coronavirus disease 2019 positive ICU patients, relative to healthy controls, the top six analytes distinguishing coronavirus disease 2019 positive ICU patients from coronavirus disease 2019 negative ICU patients were tumor necrosis factor, granzyme B, heat shock protein 70, interleukin-18, interferon-gamma-inducible protein 10, and elastase 2.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».