MétaCan
Menu
Retour à la cohorte
Enregistrement W4385295283 · doi:10.1001/jamanetworkopen.2023.25914

Biomarkers Associated With Severe COVID-19 Among Populations With High Cardiometabolic Risk

2023· review· en· W4385295283 sur OpenAlexafffund
Tushar Sood, Nicolas Perrot, Michael Chong, Pedrum Mohammadi‐Shemirani, Maha Mushtaha, Darryl P. Leong, Sumathy Rangarajan, Sibylle Hess, Salim Yusuf, Hertzel C. Gerstein, Guillaume Paré, Marie Pigeyre

Notice bibliographique

RevueJAMA Network Open · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueGDF15 and Related Biomarkers
Établissements canadiensOntario GenomicsThrombosis and Atherosclerosis Research InstituteMcMaster UniversityPopulation Health Research InstituteUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchHamilton Health SciencesHeart and Stroke Foundation of CanadaNatural Sciences and Engineering Research Council of CanadaMcMaster UniversityCisco SystemsSanofi
Mots-clésMendelian randomizationMedicineType 2 diabetesInternal medicineBiomarkerOdds ratioBody mass indexGenome-wide association studyDiabetes mellitusOncologySingle-nucleotide polymorphismGenotypeBiologyGeneticsEndocrinologyGenetic variants

Résumé

récupéré en direct d'OpenAlex

Importance: Cardiometabolic parameters are established risk factors for COVID-19 severity. The identification of causal or protective biomarkers for COVID-19 severity may facilitate the development of novel therapies. Objective: To identify protein biomarkers that promote or reduce COVID-19 severity and that mediate the association of cardiometabolic risk factors with COVID-19 severity. Design, Setting, and Participants: This genetic association study using 2-sample mendelian randomization (MR) was conducted in 2022 to investigate associations among cardiometabolic risk factors, circulating biomarkers, and COVID-19 hospitalization. Inputs for MR included genetic and proteomic data from 4147 participants with dysglycemia and cardiovascular risk factors collected through the Outcome Reduction With Initial Glargine Intervention (ORIGIN) trial. Genome-wide association study summary statistics were obtained from (1) 3 additional independent plasma proteome studies, (2) genetic consortia for selected cardiometabolic risk factors (including body mass index [BMI], type 2 diabetes, type 1 diabetes, and systolic blood pressure; all n >10 000), and (3) the COVID-19 Host Genetics Initiative (n = 5773 hospitalized and 15 497 nonhospitalized case participants with COVID-19). Data analysis was performed in July 2022. Exposures: Genetically determined concentrations of 235 circulating proteins assayed with a multiplex biomarker panel from the ORIGIN trial for the initial analysis. Main Outcomes and Measures: Hospitalization status of individuals from the COVID-19 Host Genetics Initiative with a positive COVID-19 test result. Results: Among 235 biomarkers tested in samples totaling 22 101 individuals, MR analysis showed that higher kidney injury molecule-1 (KIM-1) levels reduced the likelihood of COVID-19 hospitalization (odds ratio [OR] per SD increase in KIM-1 levels, 0.86 [95% CI, 0.79-0.93]). A meta-analysis validated the protective association with no observed directional pleiotropy (OR per SD increase in KIM-1 levels, 0.91 [95% CI, 0.88-0.95]). Of the cardiometabolic risk factors studied, only BMI was associated with KIM-1 levels (0.17 SD increase in biomarker level per 1 kg/m2 [95% CI, 0.08-0.26]) and COVID-19 hospitalization (OR per 1-SD biomarker level, 1.33 [95% CI, 1.18-1.50]). Multivariable MR analysis also revealed that KIM-1 partially mitigated the association of BMI with COVID-19 hospitalization, reducing it by 10 percentage points (OR adjusted for KIM-1 level per 1 kg/m2, 1.23 [95% CI, 1.06-1.43]). Conclusions and Relevance: In this genetic association study, KIM-1 was identified as a potential mitigator of COVID-19 severity, possibly attenuating the increased risk of COVID-19 hospitalization among individuals with high BMI. Further studies are required to better understand the underlying biological mechanisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,006
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,079
Tête enseignante GPT0,352
Écart entre enseignants0,273 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetGDF15 and Related BiomarkersTravaux en français237 207