Longitudinal Analysis of COVID-19 Patients Shows Age-Associated T Cell Changes Independent of Ongoing Ill-Health
Notice bibliographique
Résumé
Objectives The immunological and inflammatory changes following acute COVID-19 are hugely variable. Persistent clinical symptoms following resolution of initial infection, termed long COVID , are also hugely variable, but association with immunological changes has not been described. We investigate changing immunological parameters in convalescent COVID-19 and interrogate their potential relationships with persistent symptoms. Methods We performed paired immunophenotyping at initial SARS-CoV-2 infection and convalescence (n=40, median 68 days) and validated findings in 71 further patients at median 101 days convalescence. Results were compared to 40 pre-pandemic controls. Fatigue and exercise tolerance were assessed as cardinal features of long COVID using the Chalder Fatigue Scale and 6-minute-walk test. The relationships between these clinical outcomes and convalescent immunological results were investigated. Results We identify persistent expansion of intermediate monocytes, effector CD8+, activated CD4+ and CD8+ T cells, and reduced naïve CD4+ and CD8+ T cells at 68 days, with activated CD8+ T cells remaining increased at 101 days. Patients >60 years also demonstrate reduced naïve CD4+ and CD8+ T cells and expanded activated CD4+ T cells at 101 days. Ill-health, fatigue, and reduced exercise tolerance were common in this cohort. These symptoms were not associated with immune cell populations or circulating inflammatory cytokines. Conclusion We demonstrate myeloid recovery but persistent T cell abnormalities in convalescent COVID-19 patients more than three months after initial infection. These changes are more marked with age and are independent of ongoing subjective ill-health, fatigue and reduced exercise tolerance.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».