Cytokine storm biomarkers like signals of severe and fatal cases of COVID-19: systematic review and metanalysis
Bibliographic record
Abstract
Contexto: Em março de 2020, a Organização Mundial de Saúde declarou uma pandemia devido à doença causada pelo novo coronavírus, a COVID-19. Um subgrupo de pacientes com COVID-19 pode ter uma síndrome inflamatória sistêmica, denominada síndrome da tempestade de citocinas, com amplificação da resposta imune e desregulação dos mecanismos supressores da cascata inflamatória. Objetivos: Identificar biomarcadores da síndrome da tempestade de citocinas associados a casos graves e fatais da COVID-19. Métodos: Uma busca com descritores e sinônimos padronizados foi realizada em 28 de novembro de 2020 no MEDLINE, EMBASE, Biblioteca Cochrane Central, Clinical-Trials.gov, LILACS e The World Health Organization International Clinical Trials Registry Platform, para identificar estudos de interesse. Pesquisas na literatura cinzenta e técnicas de snowballing também foram utilizadas para localizar trabalhos ainda não publicados e citações relacionadas. Dois revisores examinaram independentemente os títulos e resumos recuperados, selecionaram estudos elegíveis para inclusão, extraíram dados dos estudos incluídos e avaliaram o risco de viés usando a Escala de Newcastle-Ottawa modificada. Os estudos elegíveis foram aqueles que incluíram níveis séricos de interleucina-6 e outros parâmetros laboratoriais de pacientes admitidos para internação hospitalar por COVID-19. Os valores de interleucina-6, ferritina, hemoglobina, leucócitos, neutrófilos, linfócitos, plaquetas, proteína C reativa, procalcitonina, desidrogenase láctica, aspartato aminotransferase, creatinina e dímero-D foram extraídos dos estudos. Avaliou-se a certeza da evidência utilizando a abordagem GRADE para alguns desfechos priorizados. Metanálises de efeito randômico foram realizadas usando os dados laboratoriais, para estimar as diferenças de médias com intervalo de confiança de 95%. O software R foi utilizado para os cálculos. Resultados: A busca nas bases de dados resultou em 9.620 registros; 40 estudos (contendo um total de 9.542 pacientes) foram incluídos na análise final. Vinte e um estudos (n = 4.313 pacientes) avaliaram dados laboratoriais associados à gravidade da COVID-19; dezoito estudos (n = 4.681 pacientes) avaliaram dados laboratoriais associados ao desfecho de mortalidade, e um estudo (n = 548 pacientes) avaliou biomarcadores associados a casos graves e fatais da COVID-19. Níveis elevados de interleucina-6, ferritina, dímero-D, aspartato aminotransferase, proteína C reativa, desidrogenase láctica, procalcitonina e creatinina, além de linfopenia, trombocitopenia, leucocitose e neutrofilia foram associados a casos graves e fatais da COVID-19. Conclusões: Esta revisão aponta que os níveis séricos de interleucina-6, ferritina, leucócitos, neutrófilos, linfócitos, plaquetas, proteína C reativa, procalcitonina, desidrogenase láctica, aspartato aminotransferase, creatinina e dímero-D são importantes biomarcadores da síndrome da tempestade de citocinas na COVID-19. A determinação precoce de níveis elevados de interleucina-6 e ferritina séricas em pacientes internados por COVID-19 deve ser considerada como sinal de alerta de hiperinflamação sistêmica e mau prognóstico.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.040 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.009 | 0.017 |
| Bibliometrics | 0.010 | 0.010 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".