Interferon-α2b Treatment for COVID-19 Is Associated with Improvements in Lung Abnormalities
Notice bibliographique
Résumé
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection causes coronavirus disease 2019 (COVID-19), a lung disease that may progress to systemic organ involvement and in some cases, death. The identification of the earliest predictors of progressive lung disease would allow for therapeutic intervention in those cases. In an earlier clinical study, individuals with moderate COVID-19 were treated with either arbidol (ARB) or inhaled interferon (IFN)-α2b +/-ARB. IFN treatment resulted in accelerated viral clearance from the upper airways and in a reduction in the circulating levels of the inflammatory biomarkers IL-6 and C-reactive protein (CRP). We have extended the analysis of this study cohort to determine whether IFN treatment had a direct effect on virus-induced lung abnormalities and also to ascertain whether any clinical or immune parameters are associated with worsening of lung abnormalities. Evidence is provided that IFN-α2b treatment limits the development of lung abnormalities associated with COVID-19, as assessed by CT images. Clinical predictors associated with worsening of lung abnormalities include low CD8+ T cell numbers, low levels of circulating albumin, high numbers of platelets, and higher levels of circulating interleukin (IL)-10, IL-6, and C-reactive protein (CRP). Notably, in this study cohort, IFN treatment resulted in a higher percentage of CD8+ T cells, lower tumor necrosis factor (TNF)-α levels and, as reported earlier, lower IL-6 levels. Independent of treatment, age and circulating levels of albumin and CRP emerged as the strongest predictors of the severity of lung abnormalities.
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 | 0,000 | 0,014 |
| 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) | 0,000 | 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 ».