Association between Circulating Amino Acids and COVID-19 Severity
Notice bibliographique
Résumé
The severity of the symptoms associated with COVID-19 is highly variable, and has been associated with circulating amino acids as a group of analytes in metabolomic studies. However, for each individual amino acid, there are discordant results among studies. The aims of the present study were: (i) to investigate the association between COVID-19-symptom severity and circulating amino-acid concentrations; and (ii) to assess the ability of circulating amino-acid levels to predict adverse outcomes (intensive-care-unit admission or hospital death). We studied a sample of 736 participants from the Biobanque Québécoise COVID-19. All participants tested positive for COVID-19, and the severity of symptoms was determined using the World-Health-Organization criteria. Circulating amino acids were measured by HPLC-MS/MS. We used logistic models to assess the association between circulating amino acids concentrations and the odds of presenting mild vs. severe or mild vs. moderate symptoms, as well as their accuracy in predicting adverse outcomes. Patients with severe COVID-19 symptoms were older on average, and they had a higher prevalence of obesity and type 2 diabetes. Out of 20 amino acids tested, 16 were significantly associated with disease severity, with phenylalanine (positively) and cysteine (inversely) showing the strongest associations. These associations remained significant after adjustment for age, sex and body mass index. Phenylalanine had a fair ability to predict the occurrence of adverse outcomes, similar to traditionally measured laboratory variables. A multivariate model including both circulating amino acids and clinical variables had a 90% accuracy at predicting adverse outcomes in this sample. In conclusion, patients presenting severe COVID-19 symptoms have an altered amino-acid profile, compared to those with mild or moderate symptoms.
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 | 0,002 | 0,142 |
| 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 | 0,000 |
| 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 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 ».