Prevalence of autoantibody responses in COVID-19 patients: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: An infection with severe acute respiratory syndrome coronavirus (SARS-CoV-2) may significantly contribute to 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 Disease-19 (COVID-19), however, the exact prevalence remains poorly undocumented. This study aims to evaluate the prevalence of autoantibodies in COVID-19 patients compared to unaffected individuals. METHODS: Electronic searches were conducted using the Cochrane Library, PubMed, Embase, Web of Science, Chinese Biological Medicine Database (CBM), China National Knowledge Infrastructure (CNKI), WANFANG, and Chinese Weipu (VIP). The case-control studies investigating the presence of autoantibodies in the serum of COVID-19 patients and control subjects published were included in this meta-analysis. The search covered November 2019, to December 2025. Studies were rigorously screened based on predefined inclusion and exclusion criteria. Quality assessment was performed using a modified version of the Newcastle-Ottawa scale (NOS). The odds ratios (ORs) for autoantibody seropositivity were calculated using RevMan 5.3. Sensitivity analysis was conducted to evaluate the stability results, and publication bias was assessed using Egger’s test and funnel plot. RESULTS: A total of 17 studies involving 1652 COVID-19 patients and 1455 control subjects met eligibility criteria for inclusion in the meta-analysis. The overall OR for antinuclear antibodies (ANAs) was 2.90 [95% confidence interval (CI): 1.36–6.18], for anti-cardiolipin antibodies (ACAs) was 3.34 (95% CI: 2.14–5.21), 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 8.49 (95% CI: 3.38–21.33). Among the 11 studies assessing ANAs, the quality varied widely, resulting in considerable heterogeneity in the meta-analysis results. Heterogeneity across studies on ANAs may partially stem from differences in assay manufacturers as well as variations in the working cut-off dilution used for IIF. Egger’s test reports indicated statistically significant publication bias among the included studies on ANAs. CONCLUSIONS: This study suggests a higher seroprevalence of autoantibodies, including ANAs, ACAs, anti-β2GP1, and ANCAs in COVID-19 patients compared to control subjects. The findings identified a possible association between SARS-CoV-2 infection and autoantibody positivity, contributing to the understanding of COVID-19’s role in autoimmune processes. CLINICAL TRIAL NUMBER: Not applicable.
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 | 0,012 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,032 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».