Deep immune profiling uncovers novel associations with clinical phenotypes of Multisystem Inflammatory Syndrome in Children (MIS-C)
Notice bibliographique
Résumé
Abstract Multisystem Inflammatory Syndrome in Children (MIS-C) is a systemic inflammatory condition that follows SARS-CoV2 infection or exposure in children. Clinical presentations are highly variable and include fever, gastrointestinal (GI) disease, shock, and Kawasaki Disease-like illness (MIS-C/KD). Compared to patients with acute COVID, patients with MIS-C have a distinct immune signature and expansion of TRVB11 expressing T cells. However, the relationship between immunological and clinical phenotypes of MIS-C is unknown. Here, we measured serum biomarkers, TCR repertoire, and SARS-CoV2-specific T cell responses in a cohort of 76 MIS-C patients. Serum biomarkers associated with macrophage and Th1 activation were elevated in patients with shock, consistent with previous reports. Significantly increased SARS-CoV-2-induced IFN-γ, IL-2, and TNF-α production were seen in CD4 + T cells from patients with neurologic involvement and respiratory failure. Diarrhea was associated with a significant reduction in shock-associated serum biomarkers, suggesting a protective effect. TRVB11 usage was highly associated with MIS-C/KD and coronary aneurysms, suggesting a potential biomarker for these manifestations in MIS-C patients. By identifying novel immunologic associations with the different clinical phenotypes of MIS-C, this study provides insights into the clinical heterogeneity of MIS-C. These unique immunophenotypic associations could provide biomarkers to identify patients at risk for severe complications of MIS-C, including shock and MIS-C/KD.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».