High intelligence may exacerbate paediatric inflammatory response to SARS-CoV-2 infection
Notice bibliographique
Résumé
The body's innate and acquiredimmunesystems are critical in responses to a wide spectrum of assaults, including SARS-CoV-2 infection. We identify studies of autoimmunity to support our hypothesis that a high intelligence quotient (IQ) may put children at increased risk for severe COVID-19 sequelae; especially those whose viral load is high and/or who develop multisystem inflammatory syndrome in children (MIS-C). MIS-C is associated with a higher risk of COVID-19 morbidity and death, even in otherwise healthy children. As information and evidence about SARS-CoV-2 infection continue to expand, our hypothesis suggests adding a potentially intriguing piece to the pandemic puzzle for further investigation. Drawing on a select review of published research and case reports, we discuss immune dysregulation in paediatric patients with a high IQ, including post-infection cytokine expression in the myocardium. Further, we provide a review of 27 paediatric (≤19 years; median age 16) cases of severe COVID-19 outcomes, drawn from media sources published between March and September 2020, in which we identify possible evidence of a 'hyper brain, hyper body' response to infection. We aver these cases are noteworthy given that paediatric death with COVID-19 disease is remarkably rare, and the estimated prevalence of a high IQ (or giftedness) is only 2% in the general population. These observations warrant prospective and retrospective studies of autoinflammatory markers and mechanisms to elucidate any special psychoneuroimmunological vulnerability in children with a high IQ, as such studies may raise implications for how and when prophylactic medical care is provided to children.
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 | 0,004 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».