MétaCan
Menu
← Retour à la cohorte
Enregistrement W4321016102 · doi:10.1101/2023.02.15.23285972

The role of serum brain injury biomarkers in individuals with a mild-to-moderate COVID infection and Long-COVID - results from the prospective population-based COVI-GAPP study

2023· preprint· en· W4321016102 sur OpenAlexaff
Julia Telser, Kirsten Grossmann, Ornella C. Weideli, Dorothea Hillmann, Stefanie Aeschbacher, Niklas Wohlwend, Laura Vélez, Jens Kühle, Aleksandra Maleska, Pascal Benkert, Corina Risch, David Conen, Martin Risch, Lorenz Risch

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesInnovative Medicines InitiativeUniversitätsspital BaselGobierno del Principado de Asturias
Mots-clésMedicineGlial fibrillary acidic proteinTraumatic brain injuryCoronavirus disease 2019 (COVID-19)PopulationAnosmiaInternal medicinePathologyGastroenterologyDiseasePsychiatryImmunohistochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Background During and after mild (no hospitalization) or moderate (hospitalization without ICU) SARS-CoV-2 infections, a wide range of symptoms, including neurological disorders have been reported. It is, however, unknown if these neurological symptoms are associated with brain injury and whether brain injury and related symptoms also emerge in patients suffering from Long-COVID. Neuronal biomarkers such as serum neurofilament light chain and glial fibrillary acidic protein can be used to elucidate neuro-axonal and astroglial injuries. We therefore investigated whether these biomarkers are associated with the COVID-19 infection status (mild-to-moderate), the associated symptoms and Long-COVID. Methods From 146 individuals of the general population with a post-acute, mild-to-moderate SARS-CoV-2 infection, serum neurofilament light chain (sNfL; marker of intra-axonal neuronal injury) and serum glial fibrillary acidic protein (sGFAP; marker of astrocytic activation/injury) were measured. Samples were taken before, during and after (five and ten months) a SARS-CoV-2 infection. Individual symptoms and Long-COVID status were assessed using questionnaires. Results Neurological symptoms were described for individuals after a mild and moderate COVID-19 infection, however, serum markers of brain injury (sNfL/sGFAP) did not change after an infection (sNfL: P = 0.74; sGFAP: P = 0.24) and were not associated with headache ( P = 0.51), fatigue ( P = 0.93), anosmia ( P = 0.77) and ageusia ( P = 0.47). In participants with Long-COVID, sGFAP ( P = 0.038), but not sNfL ( P = 0.58) significantly increased but was not associated with neurological symptoms. Conclusion Neurological symptoms in individuals after a mild-to-moderate SARS-CoV-2 infection with and without Long-COVID were not associated with brain injury, although there was some astroglial injury observed in Long-COVID patients. Funding The COVI-GAPP study received grants from the Innovative Medicines Initiative (IMI grant agreement number 101005177), the Princely House of Liechtenstein, the government of the Principality of Liechtenstein, and the Hanela Foundation (Switzerland). None of the funders played a role in the study design, data collection, data analysis, data interpretation, writing of the report, or decision to publish.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,314
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetLong-Term Effects of COVID-19→Travaux en français237 207→