MétaCan
Menu
Retour à la cohorte
Enregistrement W4224996503 · doi:10.1515/cclm-2022-0239

Patients with severe COVID-19 do not have elevated autoantibodies against common diagnostic autoantigens

2022· article· en· W4224996503 sur OpenAlexafffund
Antigona Ulndreaj, Mingyue Wang, Salvia Misaghian, Louis S. Paone, George B. Sigal, Martin Stengelin, Christopher Campbell, Logan R. Van Nynatten, Antoninus Soosaipillai, Atefeh Ghorbani, Anu Mathew, Douglas D. Fraser, Eleftherios P. Diamandis, Ioannis Prassas

Notice bibliographique

RevueClinical Chemistry and Laboratory Medicine (CCLM) · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensUniversity Health NetworkUniversity of TorontoLawson Health Research InstituteMount Sinai HospitalLunenfeld-Tanenbaum Research InstituteWestern University
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesCanada First Research Excellence FundUniversity of Toronto
Mots-clésAutoantibodyMedicineImmunologyIntensive care unitCoronavirus disease 2019 (COVID-19)DiseaseSeverity of illnessInternal medicineAntibodyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives Infection by severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2), the causative pathogen of coronavirus disease 2019 (COVID-19) presents occasionally with an aberrant autoinflammatory response, including the presence of elevated circulating autoantibodies in some individuals. Whether the development of autoantibodies against self-antigens affects COVID-19 outcomes remains unclear. To better understand the prognostic role of autoantibodies in COVID-19, we quantified autoantibodies against 23 markers that are used for diagnosis of autoimmune disease. To this end, we used serum samples from patients with severe [intensive care unit (ICU)] and moderate (ward) COVID-19, across two to six consecutive time points, and compared autoantibody levels to uninfected healthy and ICU controls. Methods Acute and post-acute serum (from 1 to 26 ICU days) was collected from 18 ICU COVID-19-positive patients at three to six time points; 18 ICU COVID-19-negative patients (sampled on ICU day 1 and 3); 21 ward COVID-19-positive patients (sampled on hospital day 1 and 3); and from 59 healthy uninfected controls deriving from two cohorts. Levels of IgG autoantibodies against 23 autoantigens, commonly used for autoimmune disease diagnosis, were measured in serum samples using MSD® U-PLEX electrochemiluminescence technology (MSD division Meso Scale Discovery®), and results were compared between groups. Results There were no significant elevations of autoantibodies for any of the markers tested in patients with severe COVID-19. Conclusions Sample collections at longer time points should be considered in future studies, for assessing the possible development of autoantibody responses following infection with SARS-CoV-2.

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 enseignants

Ni 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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,404
Écart entre enseignants0,359 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction 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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Chemistry and Laboratory Medicine (CCLM)Même sujetCOVID-19 Clinical Research StudiesTravaux en français237 207