Elevated vascular transformation blood biomarkers in Long-COVID indicate angiogenesis as a key pathophysiological mechanism
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
BACKGROUND: Long-COVID is characterized by prolonged, diffuse symptoms months after acute COVID-19. Accurate diagnosis and targeted therapies for Long-COVID are lacking. We investigated vascular transformation biomarkers in Long-COVID patients. METHODS: A case-control study utilizing Long-COVID patients, one to six months (median 98.5 days) post-infection, with multiplex immunoassay measurement of sixteen blood biomarkers of vascular transformation, including ANG-1, P-SEL, MMP-1, VE-Cad, Syn-1, Endoglin, PECAM-1, VEGF-A, ICAM-1, VLA-4, E-SEL, thrombomodulin, VEGF-R2, VEGF-R3, VCAM-1 and VEGF-D. RESULTS: Fourteen vasculature transformation blood biomarkers were significantly elevated in Long-COVID outpatients, versus acutely ill COVID-19 inpatients and healthy controls subjects (P < 0.05). A unique two biomarker profile consisting of ANG-1/P-SEL was developed with machine learning, providing a classification accuracy for Long-COVID status of 96%. Individually, ANG-1 and P-SEL had excellent sensitivity and specificity for Long-COVID status (AUC = 1.00, P < 0.0001; validated in a secondary cohort). Specific to Long-COVID, ANG-1 levels were associated with female sex and a lack of disease interventions at follow-up (P < 0.05). CONCLUSIONS: Long-COVID patients suffer prolonged, diffuse symptoms and poorer health. Vascular transformation blood biomarkers were significantly elevated in Long-COVID, with angiogenesis markers (ANG-1/P-SEL) providing classification accuracy of 96%. Vascular transformation blood biomarkers hold potential for diagnostics, and modulators of angiogenesis may have therapeutic efficacy.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 découle