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 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 | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».