Interleukin-17, a salivary biomarker for COVID-19 severity
Notice bibliographique
Résumé
OBJECTIVES: T-helper 17 cell-mediated response and their effector IL-17 cytokine induced by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection is a major cause of COVID-19 disease severity and death. Therefore, the study aimed to determine if IL-17 level in saliva mirrors its circulatory level and hence can be used as a non-invasive biomarker for disease severity. METHODS: Interleukin-17 (IL-17) level was evaluated by ELISA in saliva and blood of 201 adult COVID-19 patients with different levels of severity. The IL-17 saliva level was also associated with COVID-19 disease severity, and need for mechanical ventilation and/or death within 29 days after admission of severe COVID-19 patients. RESULTS: We found that IL-17 level in saliva of COVID-19 patients reflected its circulatory level. High IL-17 level in saliva was associated with COVID-19 severity (P<0.001), need for mechanical ventilation (P = 0.002), and/or death by 29 days (P = 0.002), after adjusting for patients' demographics, comorbidity, and COVID-19 serum severity markers such as D-Dimer, C-reactive protein, and ferritin. CONCLUSION: We propose that saliva IL-17 level could be used as a biomarker to identify patients at risk of developing severe COVID-19.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| 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 ».