The controversial effect of smoking and nicotine in SARS-CoV-2 infection
Notice bibliographique
Résumé
The effects of nicotine and cigarette smoke in many diseases, notably COVID-19 infection, are being debated more frequently. The current basic data for COVID-19 is increasing and indicating the higher risk of COVID-19 infections in smokers due to the overexpression of corresponding host receptors to viral entry. However, current multi-national epidemiological reports indicate a lower incidence of COVID-19 disease in smokers. Current data indicates that smokers are more susceptible to some diseases and more protective of some other. Interestingly, nicotine is also reported to play a dual role, being both inflammatory and anti-inflammatory. In the present study, we tried to investigate the effect of pure nicotine on various cells involved in COVID-19 infection. We followed an organ-based systematic approach to decipher the effect of nicotine in damaged organs corresponding to COVID-19 pathogenesis (12 related diseases). Considering that the effects of nicotine and cigarette smoke are different from each other, it is necessary to be careful in generalizing the effects of nicotine and cigarette to each other in the conducted researches. The generalization and the undifferentiation of nicotine from smoke is a significant bias. Moreover, different doses of nicotine stimulate different effects (dose-dependent response). In addition to further assessing the role of nicotine in COVID-19 infection and any other cases, a clever assessment of underlying diseases should also be considered to achieve a guideline for health providers and a personalized approach to treatment.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».