MétaCan
Menu
Retour à la cohorte
Enregistrement W4410270188 · doi:10.1164/ajrccm.2025.211.abstracts.a2083

Pulmonary Fibrosis After COVID-19 is Characterized by Airway Abnormalities and Persistently Elevated CC16

2025· article· en· W4410270188 sur OpenAlexaffabout
Matthew R. Baldwin, Amy E. Jones, David Zhang, C Gurung, Zahid Ali Khan, Anjali Saqi, Xiao Yan Yang, Ying Wei, R. Nandakumar, Sara Murphy, Claire McGroder, Faisal Shaikh, Selim M. Arcasoy, Luke Benvenuto, H. Grewal, Benjamin M. Smith, A.C.Y. Yuen, P. Johal, C. Christopher, Christopher J. Ryerson, J. Brent Richards, Alyson W. Wong, T. Nakanishi, Amit H. Shah, Christine Kim Garcia

Notice bibliographique

RevueAmerican Journal of Respiratory and Critical Care Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensMcGill University Health CentreUniversity of British ColumbiaMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)AirwayPulmonary fibrosisFibrosisBetacoronavirusPandemicCystic fibrosisPathologyInternal medicineDiseaseSurgeryInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction/Rationale: There are no known serum biomarkers that provide mechanistic insight or prognostic enrichment for post-COVID-19 pulmonary fibrosis. Methods: We tested associations of 18 serum biomarkers of inflammation, aging, endothelial activation, pulmonary epithelial function, fibrosis, and fibrinolysis with fibrotic patterns (reticulation, traction bronchiectasis, or honeycombing) on thoracic CT scans 4-months, 15-months, and 3-years post-hospitalization in a New York City-based discovery cohort of severe-to-critical COVID-19 survivors, and externally validated findings in two Canadian cohorts of moderate-to-severe COVID-19 survivors. In the discovery cohort, we radiographically validated a dose-response effect of the biomarker with airway-to-lung ratio. We discovered the pulmonary source of the identified biomarker via single-cell RNA sequencing (scRNAseq) of COVID-19 survivor transbronchial lung biopsies obtained 4-years after COVID-19 hospitalization and immunofluorescent analysis of COVID-19 lung explants. Findings: Among 150 discovery cohort participants, only higher levels of circulating club-cell secretory protein-16 (CC16) at hospital discharge, 4-months, 15-months, and 3-years were associated with thoracic CT fibrotic patterns (Fig. 1A). Higher CC16 levels were associated with thoracic CT fibrotic patterns in two validation cohorts (n=56 and n=37) (Fig. 1B and C). CC16 levels were linearly associated with larger airway-to-lung ratio. scRNAseq revealed increased SCGB1A1 expression (gene encoding CC16) in epithelial cells in COVID-19 survivors with fibrosis (Fig. 1D), and immunofluorescence demonstrated 3-fold more CC16/MUC5B co-expressing cells in respiratory bronchioles of COVID-19 lung explants with fibrosis (Fig. 1E and F). Conclusion: Higher CC16 levels are consistently associated with CT fibrotic patterns for up to 3-years among adult survivors of moderate-to-critical COVID-19. Elevated CC16 reflects dysregulated airway epithelial progenitor cell remodeling and increased CC16/MUC5B pro-fibrotic signaling in respiratory bronchioles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,309
Écart entre enseignants0,298 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Respiratory and Critical Care MedicineMême sujetLong-Term Effects of COVID-19Travaux en français237 207