Sex differences in COVID-19 mortality: opportunity to develop HSP27 (HSPB1) immunotherapy to treat hyper-inflammation?
Notice bibliographique
Résumé
Since January 10, 2020, when the first death linked to the severe acute respiratory syndrome-related coronavirus 2 (SARS-CoV-2) occurred in Wuhan, China, more than 530,000 people have died (as of July 4, 2020). Globally, there are 11.2 million people infected with the virus, with 2.9 million in the USA alone and other populous countries surging. While there is a charge to develop a vaccine, as well as means of eliminating the virus from those infected (e.g., remdesivir), neither of these therapeutic strategies will directly address the major life-threatening complications that may occur once infected, namely, the profound upregulation of the innate immune system. Like the severe acute respiratory syndrome coronavirus that emerged in 2002 (SARS-1, caused by SARS-CoV) and the Middle East respiratory syndrome-related coronavirus of 2012 (MERS-CoV), COVID-19 (the disease associated with SARS-CoV-2) is associated with a storm of pro-inflammatory cytokines like IL-1β, IL-6, and TNF. Precisely why some patients evolve to this hyper-inflammation state while others do not remains unclear but is likely due to nonviral factors that are specific to the host, including age and comorbidities (Yang et al. 2020). These cytokines play an important role in various tissue complications with acute respiratory distress syndrome (ARDS), a form of acute lung injury that is without tangible therapeutic options apart from supportive care, of principal concern (Nieto-Torres et al. 2015).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».