Low anti‐SARS‐CoV‐2 S antibody levels predict increased mortality and dissemination of viral components in the blood of critical COVID‐19 patients
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
BACKGROUND: Anti-SARS-CoV-2 S antibodies prevent viral replication. Critically ill COVID-19 patients show viral material in plasma, associated with a dysregulated host response. If these antibodies influence survival and viral dissemination in ICU-COVID patients is unknown. PATIENTS/METHODS: We studied the impact of anti-SARS-CoV-2 S antibodies levels on survival, viral RNA-load in plasma, and N-antigenaemia in 92 COVID-19 patients over ICU admission. RESULTS: Frequency of N-antigenaemia was >2.5-fold higher in absence of antibodies. Antibodies correlated inversely with viral RNA-load in plasma, representing a protective factor against mortality (adjusted HR [CI 95%], p): (S IgM [AUC ≥ 60]: 0.44 [0.22; 0.88], 0.020); (S IgG [AUC ≥ 237]: 0.31 [0.16; 0.61], <0.001). Viral RNA-load in plasma and N-antigenaemia predicted increased mortality: (N1-viral load [≥2.156 copies/ml]: 2.25 [1.16; 4.36], 0.016); (N-antigenaemia: 2.45 [1.27; 4.69], 0.007). CONCLUSIONS: Low anti-SARS-CoV-2 S antibody levels predict mortality in critical COVID-19. Our findings support that these antibodies contribute to prevent systemic dissemination of SARS-CoV-2.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle