Susceptibility to Metabolic Diseases in COVID-19: To be or Not to be an Issue
Notice bibliographique
Résumé
Despite the passage of more than 17 months from the beginning of the COVID-19 pandemic, challenges regarding the disease and its related complications still continue in recovered patients. Thus, various studies are underway to assay the long-term effects of COVID-19. Some patients, especially those with severe symptoms, experience susceptibility to a range of diseases and substantial organ dysfunction after recovery. Although COVID-19 primarily affects the lungs, multiple reports exist on the effect of this infection on the kidneys, cardiovascular system, and gastrointestinal tract. Studies have also indicated the increased risk of severe COVID-19 in patients with diabetes. On the other hand, COVID-19 may predispose patients to diabetes, as the most common metabolic disease. Recent studies have shown that Severe Acute Respiratory Syndrome Coronavirus-2 (SARS-CoV-2) binds to Angiotensin-Converting Enzyme 2 (ACE2) receptors, which are expressed in the tissues and organs involved in regulating the metabolic status including pancreas, adipose tissue, gastrointestinal tract, and kidneys. Therefore, SARS-CoV-2 may result in metabolic disturbance. However, there are still many unknowns about SARS-CoV-2, which are required to be explored in basic studies. In this context, special attention to molecular pathways is warranted for understanding the pathogenesis of the disease and achieving therapeutic opportunities. Hence, the present review aims to focus on the molecular mechanisms associated with the susceptibility to metabolic diseases amongst patients recovered from COVID-19.
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 | 0,004 | 0,138 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 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 ».