Impact of COVID‐19 in immunosuppressive drug‐naïve autoimmune disorders: Autoimmune gastritis, celiac disease, type 1 diabetes, and autoimmune thyroid disease
Notice bibliographique
Résumé
Few conflicting data are currently available on the risk of SARS-CoV-2 infection in patients with autoimmune disorders. The studies performed so far are influenced, in most cases, by the treatment with immunosuppressive drugs, making it difficult to ascertain the burden of autoimmunity per se. For this reason, herein we assessed the susceptibility to COVID-19 in immunosuppressive drug-naïve patients with autoimmune diseases, such as autoimmune gastritis (AIG), celiac disease (CD), type 1 diabetes (T1D), and autoimmune thyroid disease (AITD). Telephone interviews were conducted on 400 patients-100 for each group-in May 2021 by looking at the positivity of molecular nasopharyngeal swabs and/or serology for SARS-CoV-2, the need for hospitalization, the outcome, and the vaccination status. Overall, a positive COVID-19 test was reported in 33 patients (8.2%), comparable with that of the Lombardy general population (8.2%). In particular, seven patients with AIG, 9 with CD, 8 with T1D, and 9 with AITD experienced COVID-19. Only three patients required hospitalization, none died, and 235 (58.7%) were vaccinated, 43 with AIG, 47 with CD, 91 with T1D, and 54 with AITD. These results seem to suggest that autoimmunity per se does not increase the susceptibility to COVID-19. Also, COVID-19 seems to be mild in these patients, as indicated by the low hospitalization rates and adverse outcomes, although further studies are needed to better clarify this issue.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».