COVID-19 associated autoimmunity is a feature of severe respiratory disease - a Bayesian analysis
Notice bibliographique
Résumé
Abstract Background Serological and clinical features with similarities to systemic autoimmunity have been reported in severe COVID-19, but there is a lack of studies that include contemporaneous controls who do not have COVID-19. Methods Observational cohort study of adult patients admitted to an intensive care unit with acute respiratory failure. Patients were divided into COVID + and COVID − based on SARS-CoV-2 PCR from nasopharyngeal swabs and/or endotracheal aspirates. No COVID-19 specific interventions were given. The primary clinical outcome was death in the ICU within 3 months; secondary outcomes included in-hospital death and disease severity measures. Measurements including autoantibodies, were done longitudinally. ANOVA and Fisher’s exact test were used with α=0.05, with a false discovery rate of q=0.05. Bayesian analysis was performed to provide credible estimates of the possible states of nature compatible with our results. Results 22 COVID + and 20 COVID − patients were recruited, 69% males, median age 60.5 years. Overall, 64% had anti-nuclear antibodies, 38% had antigen-specific autoantibodies, 31% had myositis related autoantibodies, and 38% had high levels of anti-cytokine autoantibodies. There were no statistically significant differences between COVID + and COVID − for any of the clinical or autoantibody parameters. A specific pattern of anti-nuclear antibodies was associated with worse clinical severity for both cohorts. Conclusions Severe COVID + patients have similar humoral autoimmune features as comparably ill COVID − patients, suggesting that autoantibodies are a feature of critical illness regardless of COVID-19 status. The clinical significance of autoimmune serology and the correlation with severity in critical illness remains to be elucidated.
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 | 0,019 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».