Evaluation of urinary cysteinyl leukotrienes as biomarkers of severity and putative therapeutic targets in COVID-19 patients
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: Cysteinyl leukotrienes (CysLT) are potent inflammation-promoting mediators, but remain scarcely explored in COVID-19. We evaluated urinary CysLT (U-CysLT) relationship with disease severity and their usefulness for prognostication in hospitalized COVID-19 patients. The impact on U-CysLT of veno-venous extracorporeal membrane oxygenation (VV-ECMO) and of comorbidities such as hypertension and obesity was also assessed. METHODS: Blood and spot urine were collected in "severe" (n = 26), "critically ill" (n = 17) and "critically ill on VV-ECMO" (n = 17) patients with COVID-19 at days 1-2 (admission), 3-4, 5-8 and weekly thereafter, and in controls (n = 23) at a single time point. U-CysLT were measured by ELISA. Routine markers, prognostic scores and outcomes were also evaluated. RESULTS: U-CysLT did not differ between groups at admission, but significantly increased along hospitalization only in critical groups, being markedly higher in VV-ECMO patients, especially in hypertensives. U-CysLT values during the first week were positively associated with ICU and total hospital length of stay in critical groups and showed acceptable area under curve (AUC) for prediction of 30-day mortality (AUC: 0.734, p = 0.001) among all patients. CONCLUSIONS: U-CysLT increase during hospitalization in critical COVID-19 patients, especially in hypertensives on VV-ECMO. U-CysLT association with severe outcomes suggests their usefulness for prognostication and as therapeutic targets.
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 | 0,016 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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