← Retour à la cohorte
The risk of COVID-19 death is much greater and age-dependent with type I IFN autoantibodies
Jérémy Manry, Paul Bastard, Adrian Gervais, Tom Le Voyer, Jérémie Rosain, Quentin Philippot, Eleftherios Michailidis, Hans-Heinrich Hoffmann, Shohei Eto, Marina García-Prat, Lucy Bizien, Alba Parra-Martínez, Rui Yang, Liis Haljasmägi, Mélanie Migaud, Karita Särekannu, Julia Maslovskaja, Nicolas de Prost, Yacine Tandjaoui-Lambiotte, Charles‐Édouard Luyt, Blanca Amador-Borrero, Alexandre Gaudet, Julien Poissy, Pascal Morel, Pascale Richard, Fabrice Cognasse, Jesús Troya, Sophie Trouillet‐Assant, Alexandre Bélot, Kahina Saker, Pierre Garçon, Jacques G. Rivière, Jean‐Christophe Lagier, Stéphanie Gentile, Lindsey B. Rosen, Elana Shaw, Tomohiro Morio, Junko Tanaka, David Dalmau, Pierre‐Louis Tharaux, D. Sène, Alain Stépanian, Bruno Mégarbane, Vasiliki Triantafyllia, Arnaud Fekkar, James R. Heath, José Luis Franco, Juan‐Manuel Anaya, Jordi Solé‐Violán, Luisa Imberti, Andrea Biondi, Paolo Bonfanti, Riccardo Castagnoli, Ottavia M. Delmonte, Yu Zhang, Andrew L. Snow, Steven M. Holland, Catherine M. Biggs, Marcela Moncada‐Vélez, Andrés A. Arias, Lazaro Lorenzo, Soraya Boucherit, Dany Anglicheau, Anna M. Planas, Filomeen Haerynck, Sotiriјa Duvlis, Robert L. Nussbaum, Tayfun Özçelık, Sevgi Keleş, Aziz Bousfiha, Jalila El Bakkouri, Carolina Ramı́rez-Santana, Stéphane Paul, Qiang Pan‐Hammarström, Lennart Hammarström, Annabelle Dupont, Alina Kurolap, Christine N. Metz, Alessandro Aiuti, Giorgio Casari, Vito Lampasona, Fabio Ciceri, Lucila Akune Barreiros, Elena Domínguez‐Garrido, Mateus Vidigal, Mayana Zatz, Diederik van de Beek, Sabina Sahanic, Ivan Tancevski, Yuriy Stepanovskyy, Oksana Boyarchuk, Yoko Nukui, Miyuki Tsumura, Loreto Vidaur, Stuart G. Tangye, Sonia Burrel, Darragh Duffy, Lluís Quintana‐Murci, Adam Klocperk, Nelli Y. Kann, Anna Shcherbina, YL Lau, Daniel Leung, Matthieu Coulongeat, Julien Marlet, Rutger Koning, Luis Felipe Reyes, Angélique Chauvineau‐Grenier, Fabienne Venet, Guillaume Monneret, Michel C. Nussenzweig, Romain Arrestier, Idris Boudhabhay, Hagit Baris Feldman, David Hagin, Joost Wauters, Isabelle Meyts, Adam H. Dyer, Seán Kennelly, Nollaig M. Bourke, Rabih Halwani, Fatemeh Saheb Sharif‐Askari, Karim Dorgham, Jérôme Sallette, Souad Mehlal-Sedkaoui, Suzan A. AlKhater, Raül Rigo‐Bonnin, Francisco Morandeira, Lucie Roussel, Donald C. Vinh, Christian Erikstrup, Antônio Condino‐Neto, Carolina Prando, Анастасія Бондаренко, András N. Spaan, Laurent Gilardin, Jacques Fellay, Stanislas Lyonnet, Kaya Bilgüvar, Richard P. Lifton, Shrikant Mane, Mark S. Anderson, Bertrand Boisson, Vivien Béziat, Shen‐Ying Zhang, Evangelos Andreakos, Olivier Hermine, Aurora Pujol, Pärt Peterson, Trine H. Mogensen, Lee Rowen, James Mond, Stéphanie Debette, Xavier de-Lamballerie, Charles Burdet, Lila Bouadma, Marie Zins, Pere Soler‐Palacín, Roger Colobrán, Guy Gorochov, Xavier Solanich, Sophie Susen, Javier Martínez‐Picado, Didier Raoult, Marc Vasse, Peter K. Gregersen, Carlos Rodríguez‐Gallego, Lorenzo Piemonti, Luigi D. Notarangelo, Helen C. Su, Kai Kisand, Satoshi Okada, Anne Puel, Emmanuelle Jouanguy, Charles M. Rice, Pierre Tiberghien, Qian Zhang, Jean‐Laurent Casanova, Laurent Abel, Aurélie Cobat
Notice bibliographique
RevueResearch Square · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensMcGill University Health CentreBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesInstitut des maladies génétiques ImagineTartu ÜlikoolNational Institutes of HealthAgence Nationale de la RechercheSt. Giles Foundation
Mots-clésAutoantibodyCoronavirus disease 2019 (COVID-19)ImmunologyMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakVirologyAntibodyInternal medicineDiseaseInfectious disease (medical specialty)
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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.
Tête enseignante Opus0,166
Tête enseignante GPT0,516
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations24
Publié2022
Routes d'admission1
Résumé présentnon