Meta analysis on the prevalence of autoantibody responses in COVID-19 patients
Notice bibliographique
Résumé
Objectives: An infection with severe acute respiratory syndrome coronavirus (SARS-CoV-2) may play a significant role in the pathogenesis of autoimmune rheumatic diseases, interactions between the virus and defence mechanisms may promote the development of autoimmune processes. Studies have reported elevated levels of autoimmune antibodies in patients with Coronavirus-Induced Disease-19 (COVID-19) infection, however the prevalence is not well documented. We aimed to assess the prevalence of autoantibodies in COVID-19 patients compared with unaffected subjects. Methods: Electronic searches were performed using the Cochrane Library, PubMed, Embase, Web of Science, Chinese Biological Medicine Database (CBM), China National Knowledge Infrastructure (CNKI), WANFANG and Chinese Weipu (VIP) databases. The case-control studies which examined the autoantibodies in the serum of COVID-19 patients and control subjects, published before September, 2024, were included in this meta-analysis. The literatures were strictly screened according to the inclusion and exclusion criteria. Quality assessment was performed using a modified version of the Newcastle-Ottawa scale (NOS). The odds ratios (OR) of seropositivity to autoantibodies were calculated using Rev Man 5.3. The stability was evaluated by sensitivity analysis. Egger test was used to evaluate the publication bias. Results: A total of 12 articles involving 1176 COVID-19 patients and 909 control subjects met eligibility criteria for inclusion in our meta-analysis. An overall OR for antinuclear antibodies (ANAs) was 2.53 [95% confidence interval (CI) 1.06-6.03], that for anti-cardiolipin antibodies (ACAs) was 3.05 (95% CI 1.48-6.28), that for anti-β2-glycoprotein 1 antibodies (anti-β2GP1) was 1.87 (95% CI 1.00-3.49) and that for anti-cytoplasmic neutrophil antibodies (ANCAs) was 9.56 (95% CI 3.16-28.91). A total of 9 studies determined ANAs were various widely in their qualities, and there was considerable heterogeneity in the results of meta-analysis. Subgroup analysis failed to demonstrate a statistical significance in any of the subgroups considered ( P >0.05). Egger’s test showed that there was no publication bias. Conclusions: This study suggested that there was a higher seroprevalence of autoantibodies (including ANAs, ACAs, anti-β2GP1 and ANCAs) in COVID-19 patients compared to control subjects and identified a possible association between SARS-CoV2 and autoantibodies positivity.
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 | 0,016 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,054 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».