A One-Minute Blood Test to Monitor Immune Responses in COVID-19 Patients and Predict Clinical Risks of Developing Moderate to Severe Symptoms
Notice bibliographique
Résumé
Abstract Coronavirus disease 2019 (COVID-19) has brought enormous loss and interruption to human life and the global economy since the first outbreak reported in China between late 2019 to early 2020, and will likely remain a public health threat in the months and years to come. Upon infection with SARS-CoV-2, the virus that causes COVID-19, most people will develop no or mild symptoms, however, a small percentage of the population will become severely ill, require hospitalization, intensive care, and some succumb to death. The current knowledge of COVID-19 disease progression with worsening symptom complex implicates the critical importance of identifying patients with high clinical risk compared to those who would be at lower risk for disease control and patient management with better therapeutic output. Currently no clinical test is available that can predict risk factors and immune status change at different severity scales. The immune system plays a critical role in the defense against infectious diseases. Extensive research has found that COVID-19 patients with poor clinical outcomes differ significantly in their immune responses to the virus from those who exhibit milder symptoms. We previously developed a nanoparticle-enabled blood test that can detect the humoral immune status change in animals. In this study, we applied this new test to analyze the immune response in relation to disease severity in COVID-19 patients. From the testing of 153 COVID-19 patient samples and 142 negative controls, we detected statistically significant differences between COVID-19 patients with no or mild symptoms from those who developed moderate to severe symptoms. Mechanistic study suggests that these differences are associated with type 1 versus type 2 immune responses. We conclude that this new rapid test could potentially become a valuable clinical tool for COVID-19 patient risk stratification and management.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».