Prolonged SARS-CoV-2 RNA virus shedding and lymphopenia are hallmarks of COVID-19 in cancer patients with poor prognosis
Notice bibliographique
Résumé
Abstract Patients with cancer are at higher risk of severe coronavirus infectious disease 2019 (COVID-19), but the mechanisms underlying virus–host interactions during cancer therapies remain elusive. When comparing nasopharyngeal swabs from cancer and noncancer patients for RT-qPCR cycle thresholds measuring acute respiratory syndrome coronavirus-2 (SARS-CoV-2) in 1063 patients (58% with cancer), we found that malignant disease favors the magnitude and duration of viral RNA shedding concomitant with prolonged serum elevations of type 1 IFN that anticorrelated with anti-RBD IgG antibodies. Cancer patients with a prolonged SARS-CoV-2 RNA detection exhibited the typical immunopathology of severe COVID-19 at the early phase of infection including circulation of immature neutrophils, depletion of nonconventional monocytes, and a general lymphopenia that, however, was accompanied by a rise in plasmablasts, activated follicular T-helper cells, and non-naive Granzyme B + FasL + , Eomes high TCF-1 high , PD-1 + CD8 + Tc1 cells. Virus-induced lymphopenia worsened cancer-associated lymphocyte loss, and low lymphocyte counts correlated with chronic SARS-CoV-2 RNA shedding, COVID-19 severity, and a higher risk of cancer-related death in the first and second surge of the pandemic. Lymphocyte loss correlated with significant changes in metabolites from the polyamine and biliary salt pathways as well as increased blood DNA from Enterobacteriaceae and Micrococcaceae gut family members in long-term viral carriers. We surmise that cancer therapies may exacerbate the paradoxical association between lymphopenia and COVID-19-related immunopathology, and that the prevention of COVID-19-induced lymphocyte loss may reduce cancer-associated death.
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 | 0,002 |
| 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 ».