Major Depressive Disorder in Long COVID and Exposure to Pro‐Inflammatory Cytokines During Infection by SARS‐CoV‐2
Notice bibliographique
Résumé
Objective: Major Depressive Disorder (MDD) is common in long COVID syndrome; however, the neurobiological mechanisms are unclear. An immune activation response has been associated with COVID-19 severity as well as in MDD. We hypothesize that high levels of pro-inflammatory cytokines during SARS-CoV-2 infection may be associated with new-onset MDD and severe outcomes such as treatment-resistant depression (TRD) and risk of suicide ideation and behavior (SI/SB). Methods: A case-control nested to a cohort study was carried out on a total of 678 COVID-19 survivors (MDD = 184 vs. non-MDD = 494). A pro-inflammatory panel of serum levels of cytokines (IL-1β, IL-4, IL-6, IL-8, IL-13, IL-17α, TNF-α) was evaluated during COVID-19 hospitalization and severe outcomes such as TRD and SI/SB were assessed in individuals with new onset of MDD after hospital discharge compared to non-MDD COVID-19 survivors. Results: High levels of pro-inflammatory cytokines during SARS-CoV-2 infection were identified in MDD participants compared to non-MDD subgroups during long COVID. These differences were sustained also for TRD and SI/SB severity outcomes. There is a mild association of high levels of pro-inflammatory cytokines and MDD, TRD, and SI/SB. Conclusion: High levels of pro-inflammatory cytokines during severe or critical COVID-19 exposure may explain long COVID associated MDD and thus severe outcomes such as TRD and SI/SB. Relevance to clinical practice: Identifying elevated pro-inflammatory cytokines during COVID-19 as a risk factor for MDD and severe outcomes underscores the need for early screening and targeted treatments in long COVID. Monitoring cytokine levels may help clinicians predict and manage TRD and SI/SB in this population, improving long-term psychiatric outcomes.
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 | 0,004 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».