MétaCan
Menu
Retour à la cohorte
Enregistrement W3111136571 · doi:10.1186/s13054-020-03398-0

Viral RNA load in plasma is associated with critical illness and a dysregulated host response in COVID-19

2020· article· en· W3111136571 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueCritical Care · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensDalhousie University
Organismes subventionnairesResearch Nova ScotiaSociedad Española de Enfermedades Infecciosas y Microbiología ClínicaDalhousie UniversityInstituto de Salud Carlos IIICanadian Institutes of Health ResearchGenome CanadaDalhousie Medical Research Foundation
Mots-clésViral loadMedicineViral sheddingImmunologyRNASeverity of illnessInternal medicineCritical illnessVirusVirologyCritically illGeneBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: COVID-19 can course with respiratory and extrapulmonary disease. SARS-CoV-2 RNA is detected in respiratory samples but also in blood, stool and urine. Severe COVID-19 is characterized by a dysregulated host response to this virus. We studied whether viral RNAemia or viral RNA load in plasma is associated with severe COVID-19 and also to this dysregulated response. METHODS: A total of 250 patients with COVID-19 were recruited (50 outpatients, 100 hospitalized ward patients and 100 critically ill). Viral RNA detection and quantification in plasma was performed using droplet digital PCR, targeting the N1 and N2 regions of the SARS-CoV-2 nucleoprotein gene. The association between SARS-CoV-2 RNAemia and viral RNA load in plasma with severity was evaluated by multivariate logistic regression. Correlations between viral RNA load and biomarkers evidencing dysregulation of host response were evaluated by calculating the Spearman correlation coefficients. RESULTS: The frequency of viral RNAemia was higher in the critically ill patients (78%) compared to ward patients (27%) and outpatients (2%) (p < 0.001). Critical patients had higher viral RNA loads in plasma than non-critically ill patients, with non-survivors showing the highest values. When outpatients and ward patients were compared, viral RNAemia did not show significant associations in the multivariate analysis. In contrast, when ward patients were compared with ICU patients, both viral RNAemia and viral RNA load in plasma were associated with critical illness (OR [CI 95%], p): RNAemia (3.92 [1.183-12.968], 0.025), viral RNA load (N1) (1.962 [1.244-3.096], 0.004); viral RNA load (N2) (2.229 [1.382-3.595], 0.001). Viral RNA load in plasma correlated with higher levels of chemokines (CXCL10, CCL2), biomarkers indicative of a systemic inflammatory response (IL-6, CRP, ferritin), activation of NK cells (IL-15), endothelial dysfunction (VCAM-1, angiopoietin-2, ICAM-1), coagulation activation (D-Dimer and INR), tissue damage (LDH, GPT), neutrophil response (neutrophils counts, myeloperoxidase, GM-CSF) and immunodepression (PD-L1, IL-10, lymphopenia and monocytopenia). CONCLUSIONS: SARS-CoV-2 RNAemia and viral RNA load in plasma are associated with critical illness in COVID-19. Viral RNA load in plasma correlates with key signatures of dysregulated host responses, suggesting a major role of uncontrolled viral replication in the pathogenesis of this disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,447
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,889

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,447
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,435
Écart entre enseignants0,375 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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