Serum and cerebrospinal fluid biomarker profiles in acute SARS-CoV-2-associated neurological syndromes
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.
Notice bibliographique
Résumé
Abstract Preliminary pathological and biomarker data suggest that SARS-CoV-2 infection can damage the nervous system. To understand what, where and how damage occurs, we collected serum and CSF from patients with COVID-19 and characterized neurological syndromes involving the PNS and CNS (n = 34). We measured biomarkers of neuronal damage and neuroinflammation, and compared these with non-neurological control groups, which included patients with (n = 94) and without (n = 24) COVID-19. We detected increased concentrations of neurofilament light, a dynamic biomarker of neuronal damage, in the CSF of those with CNS inflammation (encephalitis and acute disseminated encephalomyelitis) [14 800 pg/ml (400, 32 400)], compared to those with encephalopathy [1410 pg/ml (756, 1446)], peripheral syndromes (Guillain–Barré syndrome) [740 pg/ml (507, 881)] and controls [872 pg/ml (654, 1200)]. Serum neurofilament light levels were elevated across patients hospitalized with COVID-19, irrespective of neurological manifestations. There was not the usual close correlation between CSF and serum neurofilament light, suggesting serum neurofilament light elevation in the non-neurological patients may reflect peripheral nerve damage in response to severe illness. We did not find significantly elevated levels of serum neurofilament light in community cases of COVID-19 arguing against significant neurological damage. Glial fibrillary acidic protein, a marker of astrocytic activation, was not elevated in the CSF or serum of any group, suggesting astrocytic activation is not a major mediator of neuronal damage in COVID-19.
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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 découle