Exploring Urinary Extracellular Vesicles and Immune Mediators as Biomarkers of Kidney Injury in COVID-19 Hospitalized Patients
Notice bibliographique
Résumé
Kidney injury is an important outcome associated with COVID-19 severity. In this regard, alterations in urinary extracellular vesicles (uEVs) could be detected in the early phases of renal injury and may be reflective of the inflammatory process. This is an observational study performed with a case series of COVID-19 hospitalized patients presenting mild-to-critical disease. Total and podocyte-derived uEVs were identified by nanoscale flow cytometry, and urinary immune mediators were assessed by a multiplex assay. We studied 36 patients, where 24 (66.7%) were considered as mild/moderate and 12 (33.3%) as severe/critical. Increased levels of total uEVs were observed (p = 0.0001). Importantly, total uEVs were significantly higher in severe/critical patients who underwent hemodialysis (p = 0.03) and were able to predict this clinical outcome (AUC 0.93, p = 0.02). Severe/critical patients also presented elevated urinary levels (p < 0.05) of IL-1β, IL-4, IL-6, IL-7, IL-16, IL-17A, LIF, CCL-2, CCL-3, CCL-11, CXCL-10, FGFb, M-CSF, and CTAcK. Lastly, we observed that total uEVs were associated with urinary immune mediators. In conclusion, our results show that early alterations in urinary EVs could identify patients at higher risk of developing renal dysfunction in COVID-19. This could also be relevant in different scenarios of systemic and/or infectious disease.
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 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 | 0,192 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».