Microfluidic Immunoarray for Point-of-Care Detection of Cytokines in COVID-19 Patients
Notice bibliographique
Résumé
The "cytokine storm" often induced in COVID-19 patients contributes to the onset of "acute respiratory distress syndrome" (ARDS) accompanied by lung infection and damage, multiorgan failure, and even death. This large increase in pro-inflammatory cytokines in blood may be related to severity. Rapid, on-demand cytokine analyses can thus be critical to inform treatment plans and improve survival rates. Here, we report a sensitive, low-cost, semiautomated 3D-printed microfluidic immunoarray to detect 2 cytokines and CRP simultaneously in a single 10 μL serum sample in 25 min. Accuracy was validated by analyzing 80 COVID-19 patient serum samples, with results well correlated to a commercial Meso Scale protein immunoassay. Capture antibodies immobilized in detection microwells in a flat well plate-type flow chamber facilitate the immunoassay, with a programmable syringe pump automatically delivering reagents. Chemiluminescence signals were captured in a dark box with a CCD camera integrated for 30 s. This system was optimized to detect inflammation biomarkers IL-6, IFN-γ, and CRP simultaneously in blood serum. Ultralow limits of detection (LODs) of 0.79 fg/mL for IL-6, 4.2 fg/mL for CRP, and 2.7 fg/mL for IFN-γ with dynamic ranges of up to 100 pg/mL were achieved. ROC statistical analyses showed a relatively good diagnostic value related to the samples assigned WHO COVID-19 scores for disease severity, with the best results for IL-6 and CRP. Monitoring these biomarkers for coronavirus severity may allow prediction of disease severity as a basis for critical treatment decisions and better survival rates.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».