Circulating anti-nuclear autoantibodies in COVID-19 survivors predict long-COVID symptoms
Notice bibliographique
Résumé
BACKGROUND: Autoimmunity has been reported in patients with severe coronavirus disease 2019 (COVID-19). We investigated whether anti-nuclear/extractable-nuclear antibodies (ANAs/ENAs) were present up to a year after infection, and if they were associated with the development of clinically relevant post-acute sequalae of COVID-19 (PASC) symptoms. METHODS: A rapid-assessment line immunoassay was used to measure circulating levels of ANAs/ENAs in 106 convalescent COVID-19 patients with varying acute phase severities at 3, 6 and 12 months post-recovery. Patient-reported fatigue, cough and dyspnoea were recorded at each time point. Multivariable logistic regression model and receiver operating curves were used to test the association of autoantibodies with patient-reported outcomes and pro-inflammatory cytokines. RESULTS: Compared to age- and sex-matched healthy controls (n=22) and those who had other respiratory infections (n=34), patients with COVID-19 had higher detectable ANAs at 3 months post-recovery (p<0.001). The mean number of ANA autoreactivities per individual decreased between 3 and 12 months (from 3.99 to 1.55) with persistent positive titres associated with fatigue, dyspnoea and cough severity. Antibodies to U1-snRNP and anti-SS-B/La were both positively associated with persistent symptoms of fatigue (p<0.028, area under the curve (AUC) 0.86) and dyspnoea (p<0.003, AUC=0.81). Pro-inflammatory cytokines such as tumour necrosis factor (TNF)-α and C-reactive protein predicted the elevated ANAs at 12 months. TNF-α, D-dimer and interleukin-1β had the strongest association with symptoms at 12 months. Regression analysis showed that TNF-α predicted fatigue (β=4.65, p=0.004) and general symptomaticity (β=2.40, p=0.03) at 12 months. INTERPRETATION: Persistently positive ANAs at 12 months post-COVID are associated with persisting symptoms and inflammation (TNF-α) in a subset of COVID-19 survivors. This finding indicates the need for further investigation into the role of autoimmunity in PASC.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».