Longitudinal profiles of plasma gelsolin, cytokines and antibody expression predict COVID-19 severity and hospitalization outcomes
Notice bibliographique
Résumé
Background: Prognostic markers for COVID-19 disease outcome are currently lacking. Plasma gelsolin (pGSN) is an actin-binding protein and an innate immune marker involved in disease pathogenesis and viral infections. Here, we demonstrate the utility of pGSN as a prognostic marker for COVID-19 disease outcome; a test performance that is significantly improved when combined with cytokines and antibodies compared to other conventional markers such as CRP and ferritin. Methods: Blood samples were longitudinally collected from hospitalized COVID-19 patients as well as COVID-19 negative controls and the levels of pGSN in μg/mL, cytokines and anti- SARS-CoV-2 spike protein antibodies assayed. Mean ± SEM values were correlated with clinical parameters to develop a prognostic platform. Results: pGSN levels were significantly reduced in COVID-19 patients compared to healthy individuals. Additionally, pGSN levels combined with plasma IL-6, IP-10 and M-CSF significantly distinguished COVID-19 patients from healthy individuals. While pGSN and anti-spike IgG titers together strongly predict COVID-19 severity and death, the combination of pGSN and IL-6 was a significant predictor of milder disease and favorable outcomes. Conclusion: Taken together, these findings suggest that multi-parameter analysis of pGSN, cytokines and antibodies could predict COVID-19 hospitalization outcomes with greater certainty compared with conventional clinical laboratory markers such as CRP and ferritin. This research will inform and improve clinical management and health system interventions in response to SARS-CoV-2 infection.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».