Immunology of COVID‐19: Mechanisms, clinical outcome, diagnostics, and perspectives—A report of the European Academy of Allergy and Clinical Immunology (EAACI)
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
With the worldwide spread of the novel severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) resulting in declaration of a pandemic by the World Health Organization (WHO) on March 11, 2020, the SARS-CoV-2-induced coronavirus disease-19 (COVID-19) has become one of the main challenges of our times. The high infection rate and the severe disease course led to major safety and social restriction measures worldwide. There is an urgent need of unbiased expert knowledge guiding the development of efficient treatment and prevention strategies. This report summarizes current immunological data on mechanisms associated with the SARS-CoV-2 infection and COVID-19 development and progression to the most severe forms. We characterize the differences between adequate innate and adaptive immune response in mild disease and the deep immune dysfunction in the severe multiorgan disease. The similarities of the human immune response to SARS-CoV-2 and the SARS-CoV and MERS-CoV are underlined. We also summarize known and potential SARS-CoV-2 receptors on epithelial barriers, immune cells, endothelium and clinically involved organs such as lung, gut, kidney, cardiovascular, and neuronal system. Finally, we discuss the known and potential mechanisms underlying the involvement of comorbidities, gender, and age in development of COVID-19. Consequently, we highlight the knowledge gaps and urgent research requirements to provide a quick roadmap for ongoing and needed COVID-19 studies.
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 | 0,006 | 0,200 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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