COVID-19 and the Genetics of Inflammation
Notice bibliographique
Résumé
OBJECTIVE: Interindividual variability in the clinical progression of COVID-19 may be explained by host genetics. Emerging literature supports a potential inherited predisposition to severe forms of COVID-19. Demographic and inflammatory characteristics of COVID-19 suggest that acquired hematologic mutations leading to clonal hematopoiesis (CH) may further increase vulnerability to adverse sequelae. This review summarizes the available literature examining genetic predispositions to severe COVID-19 and describes how these findings could eventually be used to improve its clinical management. DATA SOURCES: A PubMed literature search was performed. STUDY SELECTION: Studies examining the significance of inherited genetic variation or acquired CH mutations in severe COVID-19 were selected for inclusion. DATA EXTRACTION: Relevant genetic association data and aspects of study design were qualitatively assessed and narratively synthesized. DATA SYNTHESIS: Genetic variants affecting inflammatory responses may increase susceptibility to severe COVID-19. Genome-wide association studies and candidate gene approaches have identified a list of inherited mutations, which likely alter cytokine and interferon secretion, and lung-specific mechanisms of immunity in COVID-19. The potential role of CH in COVID-19 is more uncertain at present; however, the available evidence suggests that the various types of acquired mutations and their differential influence on immune cell function must be carefully considered. CONCLUSIONS: The current literature supports the hypothesis that host genetic factors affect vulnerability to severe COVID-19. Further research is required to confirm the full scope of relevant variants and the causal mechanisms underlying these associations. Clinical approaches, which consider the genetic basis of interindividual variability in COVID-19 and potentially other causes of critical illness, could optimize hospital resource allocation, predict responsiveness to treatment, identify more efficacious drug targets, and ultimately improve outcomes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».