Identification of SARS-CoV-2-specific immune alterations in acutely ill patients
Notice bibliographique
Résumé
Abstract Dysregulated immune profiles have been described in symptomatic SARS-CoV-2-infected patients. Whether the reported immune alterations are specific to SARS-CoV-2 infection or also triggered by other acute illnesses remains unclear. We performed flow cytometry analysis on fresh peripheral blood from a consecutive cohort of i) patients hospitalized with acute SARS-CoV-2 infection; ii) patients of comparable age/sex hospitalized for other acute disease (SARS-CoV-2 negative); and iii) healthy controls. Using both data-driven and hypothesis-driven analyses, we found several dysregulations in immune cell subsets (e.g. decreased proportion of T cells) that are similarly associated with acute SARS-CoV-2 infection and non-COVID-19 related acute illnesses. In contrast, we identified specific differences in myeloid and lymphocyte subsets that are associated with SARS-CoV-2 status (e.g. elevated proportion of ICAM-1 + mature/activated neutrophils, ALCAM + monocytes, and CD38 + CD8 + T cells). A subset of SARS-CoV-2-specific immune alterations correlated with disease severity, disease outcome at 30 days and mortality. Our data provides novel understanding of the immune dysregulation that are specifically associated with SARS-CoV-2 infection among acute care hospitalized patients. Our study lays the foundation for the development of specific biomarkers to stratify SARS-CoV-2 + patients at risk of unfavorable outcome and uncover novel candidate molecules to investigate from a therapeutic perspective.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».