Inflammation associated with lung function abnormalities in COVID-19 survivors
Notice bibliographique
Résumé
BACKGROUND: Activation of inflammatory pathways promotes organ dysfunction in COVID-19. Currently, there are reports describing lung function abnormalities in COVID-19 survivors; however, the biological mechanisms remain unknown. The aim of this study was to analyze the association between serum biomarkers collected during and following hospitalization and pulmonary function in COVID-19 survivors. METHODS: Patients recovering from severe COVID-19 were prospectively evaluated. Serum biomarkers were analyzed from admission to hospital, peak during hospitalization, and at the time of discharge. Pulmonary function was measured approximately 6 weeks after discharge. RESULTS: 100 patients (63% male) were included (age 48 years, SD ± 14) with 85% having at least one comorbidity. Patients with a restrictive spirometry pattern (n = 46) had greater inflammatory biomarkers compared to those with normal spirometry (n = 54) including peak Neutrophil-to-Lymphocyte ratio (NLR) value [9.3 (10.1) vs. 6.5 (6.6), median (IQR), p = 0.027] and NLR at hospital discharge [4.6 (2.9) vs. 3.2 (2.9) p = 0.005] and baseline C-reactive protein value [164.0 (147.0) vs. 106.5 (139.0) mg/dL, p = 0.083). Patients with an abnormal diffusing capacity (n = 35) had increased peak NLR [8.9 (5.9) vs. 5.6 (5.7) mg/L, p = 0.029]; baseline NLR [10.0 (19.0) vs. 4.0 (3.0) pg/ml, p = 0.002] and peak Troponin-T [10.0 (20.0) vs. 5.0 (5.0) pg/ml, p = 0.011] compared to patients with normal diffusing capacity (n = 42). Multivariable linear regression analysis identified predictors of restrictive spirometry and low diffusing capacity, but only accounted for a low degree of variance in pulmonary function outcome. CONCLUSION: Overexpression of inflammatory biomarkers is associated with subsequent lung function abnormalities in patients recovered from severe 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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».