Higher COVID-19 pneumonia risk associated with anti-IFN-α than with anti-IFN-ω auto-Abs in children
Notice bibliographique
Résumé
We found that 19 (10.4%) of 183 unvaccinated children hospitalized for COVID-19 pneumonia had autoantibodies (auto-Abs) neutralizing type I IFNs (IFN-α2 in 10 patients: IFN-α2 only in three, IFN-α2 plus IFN-ω in five, and IFN-α2, IFN-ω plus IFN-β in two; IFN-ω only in nine patients). Seven children (3.8%) had Abs neutralizing at least 10 ng/ml of one IFN, whereas the other 12 (6.6%) had Abs neutralizing only 100 pg/ml. The auto-Abs neutralized both unglycosylated and glycosylated IFNs. We also detected auto-Abs neutralizing 100 pg/ml IFN-α2 in 4 of 2,267 uninfected children (0.2%) and auto-Abs neutralizing IFN-ω in 45 children (2%). The odds ratios (ORs) for life-threatening COVID-19 pneumonia were, therefore, higher for auto-Abs neutralizing IFN-α2 only (OR [95% CI] = 67.6 [5.7-9,196.6]) than for auto-Abs neutralizing IFN-ω only (OR [95% CI] = 2.6 [1.2-5.3]). ORs were also higher for auto-Abs neutralizing high concentrations (OR [95% CI] = 12.9 [4.6-35.9]) than for those neutralizing low concentrations (OR [95% CI] = 5.5 [3.1-9.6]) of IFN-ω and/or IFN-α2.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».