应用机器学习算法来识别COVID-19严重程度和结果的血清学预测因素
Santosh Dhakal1,2, Anna Yin1, Marta Escarra-Senmarti3
1W. Harry Feinstone Department of Molecular Microbiology and Immunology, Johns Hopkins Bloomberg School of Public Health, Baltimore, MD, USA.
Communications medicine
|November 26, 2024
概括
COVID-19患者的抗体反应预测了输管或死亡. 注册后1个月的特定IgG结合和ACE2抑制以及注册时的补充激活是预测严重结果的关键指标.
科学领域:
- 免疫学 免疫学 免疫学
- 传染性疾病 传染性疾病
- 病毒学 病毒学
背景情况:
- 住院COVID-19患者的抗体标位比非住院患者高.
- 抗体水平与COVID-19患者的结果 (恢复与死亡) 之间的关系尚不清楚.
研究的目的:
- 描述抗体反应与住院COVID-19患者输管或死亡风险之间的关联.
- 为了确定严重的COVID-19结果的预测性血清学标记.
主要方法:
- 一项涉及178名COVID-19患者的队列研究 (73名非住院患者,105名住院患者).
- 在入学时和入学后长达3个月 (MPE) 采集粘膜拭子和血样本.
- 测量病毒RNA,细胞因子,化学因子,结合抗体,ACE2结合抑制和Fc效应对抗SARS-CoV-2的反应,使用机器学习算法进行分析.
主要成果:
- 预测模型确定了IgG结合和ACE2结合抑制反应在1MPE之间的积极关联,在3MPE内增加了输管或死亡的概率.
- 在入学时发现抗斯派克抗体介导的补充激活和在3MPE内输管或死亡的可能性增加之间存在负相关性.
结论:
- 录取时的血清抗体测量比住院COVID-19患者的人口学变量更能预测随后的输管或死亡.
- 特定抗体反应为COVID-19严重程度提供了有价值的预后信息.
