Comprehensive clinical and metabolomics profiling of COVID-19 Mexican patients across three epidemiological waves
Notice bibliographique
Résumé
Introduction: As of mid-2024, COVID-19 has affected over 676 million people worldwide, leading to more than 6.8 million deaths. Numerous studies have documented metabolic changes occurring during both the acute phase of the disease and the recovery phase, which, in some cases, contribute to the development of long COVID syndrome. Aims and methods: In this study, we aimed to evaluate clinical, laboratory, and comprehensive metabolomic data from hospitalized COVID-19 patients during the second, third and fourth waves (Alpha, Delta, and Omicron). A targeted, fully quantitative metabolomics assay (TMIC MEGA Assay) was used to measure 529 metabolites and lipids in plasma samples. The metabolomic profiles of these patients were compared according to different and relevant factors impacting COVID-19 outcome, such as age, sex, comorbidities, and vaccination status. Results: Among the 21 classes of compounds evaluated in this study, amino acids and lipids were the most dysregulated when comparing age, sex, comorbidities, vaccination status, and the different epidemiological waves. This is the most comprehensive analysis in Mexico providing absolute quantitative data for 529 metabolites and lipids measured in hospitalized COVID-19 patients, which could be used to monitor their metabolic status and clinical outcomes associated with COVID-19 infection or with long COVID syndrome.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».