The dynamic changes and sex differences of 147 immune-related proteins during acute COVID-19 in 580 individuals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Severe COVID-19 leads to important changes in circulating immune-related proteins. To date it has been difficult to understand their temporal relationship and identify cytokines that are drivers of severe COVID-19 outcomes and underlie differences in outcomes between sexes. Here, we measured 147 immune-related proteins during acute COVID-19 to investigate these questions. METHODS: We measured circulating protein abundances using the SOMAscan nucleic acid aptamer panel in two large independent hospital-based COVID-19 cohorts in Canada and the United States. We fit generalized additive models with cubic splines from the start of symptom onset to identify protein levels over the first 14 days of infection which were different between severe cases and controls, adjusting for age and sex. Severe cases were defined as individuals with COVID-19 requiring invasive or non-invasive mechanical respiratory support. RESULTS: ). Three clusters were formed by 108 highly correlated proteins that replicated in both cohorts, making it difficult to determine which proteins have a true causal effect on severe COVID-19. Six proteins showed sex differences in levels over time, of which 3 were also associated with severe COVID-19: CCL26, IL1RL2, and IL3RA, providing insights to better understand the marked differences in outcomes by sex. CONCLUSIONS: Severe COVID-19 is associated with large changes in 69 immune-related proteins. Further, five proteins were associated with sex differences in outcomes. These results provide direct insights into immune-related proteins that are strongly influenced by severe COVID-19 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle