Characterisation of the pro-inflammatory cytokine signature in severe COVID-19
Notice bibliographique
Résumé
Clinical outcomes from infection with SARS-CoV-2, the cause of the COVID-19 pandemic, are remarkably variable ranging from asymptomatic infection to severe pneumonia and death. One of the key drivers of this variability is differing trajectories in the immune response to SARS-CoV-2 infection. Many studies have noted markedly elevated cytokine levels in severe COVID-19, although results vary by cohort, cytokine studied and sensitivity of assay used. We assessed the immune response in acute COVID-19 by measuring 20 inflammatory markers in 118 unvaccinated patients with acute COVID-19 (median age: 70, IQR: 58-79 years; 48.3% female) recruited during the first year of the pandemic and 44 SARS-CoV-2 naïve healthy controls. Acute COVID-19 was associated with marked elevations in nearly all pro-inflammatory markers, whilst eleven markers (namely IL-1β, IL-2, IL-6, IL-10, IL-18, IL-23, IL-33, TNF-α, IP-10, G-CSF and YKL-40) were associated with disease severity. We observed significant correlations between nearly all markers elevated in those infected with SARS-CoV-2 consistent with widespread immune dysregulation. Principal component analysis highlighted a pro-inflammatory cytokine signature (with strongest contributions from IL-1β, IL-2, IL-6, IL-10, IL-33, G-CSF, TNF-α and IP-10) which was independently associated with severe COVID-19 (aOR: 1.40, 1.11-1.76, p=0.005), invasive mechanical ventilation (aOR: 1.61, 1.19-2.20, p=0.001) and mortality (aOR 1.57, 1.06-2.32, p = 0.02). Our findings demonstrate elevated cytokines and widespread immune dysregulation in severe COVID-19, adding further evidence for the role of a pro-inflammatory cytokine signature in severe and critical COVID-19.
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 | 0,021 |
| 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 | 0,001 |
| 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 ».