Low anti‐SARS‐CoV‐2 S antibody levels predict increased mortality and dissemination of viral components in the blood of critical COVID‐19 patients
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».