Rapid and Effective Vitamin D Supplementation May Present Better Clinical Outcomes in COVID-19 (SARS-CoV-2) Patients by Altering Serum INOS1, IL1B, IFNg, Cathelicidin-LL37, and ICAM1
Notice bibliographique
Résumé
BACKGROUND: We aimed to establish an acute treatment protocol to increase serum vitamin D, evaluate the effectiveness of vitamin D3 supplementation, and reveal the potential mechanisms in COVID-19. METHODS: We retrospectively analyzed the data of 867 COVID-19 cases. Then, a prospective study was conducted, including 23 healthy individuals and 210 cases. A total of 163 cases had vitamin D supplementation, and 95 were followed for 14 days. Clinical outcomes, routine blood biomarkers, serum levels of vitamin D metabolism, and action mechanism-related parameters were evaluated. RESULTS: Our treatment protocol increased the serum 25OHD levels significantly to above 30 ng/mL within two weeks. COVID-19 cases (no comorbidities, no vitamin D treatment, 25OHD <30 ng/mL) had 1.9-fold increased risk of having hospitalization longer than 8 days compared with the cases with comorbidities and vitamin D treatment. Having vitamin D treatment decreased the mortality rate by 2.14 times. The correlation analysis of specific serum biomarkers with 25OHD indicated that the vitamin D action in COVID-19 might involve regulation of INOS1, IL1B, IFNg, cathelicidin-LL37, and ICAM1. CONCLUSIONS: Vitamin D treatment shortened hospital stay and decreased mortality in COVID-19 cases, even in the existence of comorbidities. Vitamin D supplementation is effective on various target parameters; therefore, it is essential for COVID-19 treatment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».