Pericardial Fat Tissue as a Predictor of the Severity of Acute Coronavirus Infection COVID-19
Notice bibliographique
Résumé
Background: Coronavirus disease 2019 (COVID-19) and obesity remain pressing global health concerns. Identifying predictors of severe disease is of particular importance. Pericardial fat tissue (PFT) is a known source of metainflammation due to its secretion of adipocytokines and inflammatory mediators. Moreover, cytokine storm plays a major role in COVID-19-related mortality. This study aimed to investigate the association between preexisting PFT volume and inflammatory markers in patients with COVID-19. Methods: The study included 290 hospitalized patients with confirmed COVID-19 infection. Based on PFT volume (above or below 3.45 cm3), patients were divided into two groups: with and without pericardial obesity (PO), consisting of 132 and 158 individuals, respectively. Clinical, laboratory, and imaging data were analyzed. Statistical analysis was performed in Statistica 12.0. Results: Significant intergroup differences were observed in the PO group for the following variables: male sex (P < 0.001), body mass index (BMI) (P < 0.001), obesity (P < 0.001), and history of diabetes mellitus (P = 0.003). No significant differences were found in lung computed tomography (CT) severity scores. However, patients with PO showed significantly lower oxygen saturation (SpO2) levels (P = 0.014) and a higher frequency of SpO2 ≤ 93% (P = 0.012). Ferritin levels were significantly higher in the PO group (median 440 (274.00 - 552.70) vs. 292.55 (156.00 - 521.50), P = 0.010). Linear correlation analysis revealed a positive association between PFT volume and age, BMI, glucose, ferritin, C-reactive protein, and D-dimer levels, and a negative correlation with oxygen saturation. Multivariate logistic regression confirmed an independent association between PFT volume and SpO2 ≤ 93%. Receiver operating characteristic (ROC) analysis identified a threshold PFT volume of 3.45 cm3 for predicting increased risk of severe COVID-19 (SpO2 ≤ 93%), with sensitivity of 66.7%, specificity of 65.0%, and area under the curve (AUC) of 0.710 (95% confidence interval (CI): 0.551 - 0.868, P < 0.001). Conclusions: Our data suggest that a PFT volume greater than 3.45 cm3 is a potential predictor of severe COVID-19.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 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) | 0,002 | 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 ».