Identification of SARS-CoV-2–specific immune alterations in acutely ill patients
Notice bibliographique
Résumé
Dysregulated immune profiles have been described in symptomatic patients infected with SARS-CoV-2. 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 (a) patients hospitalized with acute SARS-CoV-2 infection, (b) patients of comparable age and sex hospitalized for another acute disease (SARS-CoV-2 negative), and (c) 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 were 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 were 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 provide an understanding of the immune dysregulation 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-positive patients at risk of unfavorable outcomes and to uncover 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 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 | 0,004 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».