Immunothrombosis Biomarkers for Distinguishing Coronavirus Disease 2019 Patients From Noncoronavirus Disease Septic Patients With Pneumonia and for Predicting ICU Mortality
Notice bibliographique
Résumé
IMPORTANCE: Coronavirus disease 2019 patients have an increased risk of thrombotic complications that may reflect immunothrombosis, a process characterized by blood clotting, endothelial dysfunction, and the release of neutrophil extracellular traps. To date, few studies have investigated longitudinal changes in immunothrombosis biomarkers in these patients. Furthermore, how these longitudinal changes differ between coronavirus disease 2019 patients and noncoronavirus disease septic patients with pneumonia are unknown. OBJECTIVES: In this pilot observational study, we investigated the utility of immunothrombosis biomarkers for distinguishing between coronavirus disease 2019 patients and noncoronavirus disease septic patients with pneumonia. We also evaluated the utility of the biomarkers for predicting ICU mortality in these patients. DESIGN SETTING AND PARTICIPANTS: = 14). MAIN OUTCOMES AND MEASURES: Nine biomarkers were measured from plasma samples (on days 1, 2, 4, 7, 10, and/or 14). Analysis was based on binomial logit models and receiver operating characteristic analyses. RESULTS: Cell-free DNA, d-dimer, soluble endothelial protein C receptor, protein C, soluble thrombomodulin, fibrinogen, citrullinated histones, and thrombin-antithrombin complexes have significant powers for distinguishing coronavirus disease 2019 patients from healthy individuals. In comparison, fibrinogen, soluble endothelial protein C receptor, antithrombin, and cell-free DNA have significant powers for distinguishing coronavirus disease 2019 from pneumonia patients. The predictors of ICU mortality differ between the two patient groups: soluble thrombomodulin and citrullinated histones for coronavirus disease 2019 patients, and protein C and cell-free DNA or fibrinogen for pneumonia patients. In both patient groups, the most recent biomarker values have stronger prognostic value than their ICU day 1 values. CONCLUSIONS AND RELEVANCE: Fibrinogen, soluble endothelial protein C receptor, antithrombin, and cell-free DNA have utility for distinguishing coronavirus disease 2019 patients from noncoronavirus disease septic patients with pneumonia. The most important predictors of ICU mortality are soluble thrombomodulin/citrullinated histones for coronavirus disease 2019 patients, and protein C/cell-free DNA for noncoronavirus disease pneumonia patients. This hypothesis-generating study suggests that the pathophysiology of immunothrombosis differs between the two patient groups.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».