A Novel Strategy to Mitigate the Hyperinflammatory Response to COVID-19 by Targeting Leukotrienes
Notice bibliographique
Résumé
SARS-CoV-2 causing Coronavirus disease 2019 (COVID-19) has wreaked havoc during the global pandemic of 2020 infecting millions and leaving over a half million dead. As a new virus, not previously in the human population, but with similarities to other coronaviruses causing severe acute respiratory distress syndrome (SARS/ARDS), and no known treatments, the race to re-purpose existing drugs and to enlist novel therapeutics is underway. In the half-year since the first cases, we have acquired substantial knowledge of this virus and the clinical course of COVID-19 progression. Results from early clinical trials have revealed two treatments (remdesivir, dexamethasone) that mitigate disease progression but clearly, there is much room for improvement. Initial case reports indicated many succumb to COVID-19 of hypoxic respiratory failure due to ARDS. However, ensuing studies revealed an atypical, immune cell-sequestered, vasculature-inflamed state leading to multi-organ thrombotic complications and end organ failure likely due to hyperinflammatory host responses. This Perspective focuses on a potential mechanism for a key COVID-19 disease progression turning point related to vascular and airway inflammation. The leukotriene lipid mediators have been overlooked with discussion centering on cytokine storms unleashing the deadly form of COVID-19. Leukotrienes possess some of the most potent known activities on immune cell trafficking and vascular leakage. We offer a simple treatment paradigm using two generic drugs targeting the hyperinflammatory response that characterizes the turning point from mild to severe/critical COVID-19 by targeting leukotriene biosynthesis with zileuton (Zyflo® controlled release formulation) and antagonism of the cysteinyl leukotriene 1 receptor with montelukast (Singulair®).
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 | 0,002 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».