周围血液的细胞因子概况预测了SARS-CoV-2感染的严重程度:一个EPIC研究分析
Xumin Li1,2, Vivek Pakanati1, Cindy Liu1
1VA Puget Sound Health Care System, Seattle, WA, USA.
BMC infectious diseases
|May 9, 2025
概括
周围血液细胞因子概况可以预测美国退伍军人的严重COVID-19并发症. 像IP-10,MCP-1和HGF这样的关键标志物显示出早期检测和量身定制的患者管理的潜力.
科学领域:
- 免疫学 免疫学 免疫学
- 传染性疾病 传染性疾病
- 生物标志物 生物标志物
背景情况:
- 预测严重的COVID-19对于临床护理至关重要.
- 周围血液中的细胞因子可能表明SARS-CoV-2感染的严重程度.
- 在美国退伍军人中尚未确定任何特定的细胞因子配置,以预测严重程度.
研究的目的:
- 为了确定外周血液中细胞因子概况,从而预测美国退伍军人中SARS-CoV-2感染的严重程度.
- 用细胞因子数据评估机器学习模型对COVID-19严重性的预测性能.
主要方法:
- 在EPIC3研究中分析了202名美国退伍军人的周围血液细胞因子概况.
- 在招募后60天内评估疾病严重程度.
- 使用LASSO逻辑回归,随机森林和XGBoost模型的细胞因子水平与疾病严重程度的相关性.
主要成果:
- 拉索回归确定了6种预测SARS-CoV-2严重性的细胞因子,其AUC为77.3%.
- 随机森林和XGBoost模型实现了AUC分别为80.4%和80.7%.
- IP-10,MCP-1和HGF一直被确定为关键的预测标记.
结论:
- 周围血液的细胞因子简介有效地预测了美国退伍军人的SARS-CoV-2严重程度.
- 这些发现可以为更好的患者管理提供量身定制的干预措施.
- 细胞因子分析为管理COVID-19严重程度提供了一种有前途的方法.
关键词:
在 COVID-19 疫情中,细胞因子 (cytokines) 是一种细胞因子.疾病严重程度 疾病严重程度拉索回归法 (Lasso Regression) 是一种回归法.预测性生物标志物 预测性生物标志物随机的森林随机的森林这就是SARS-CoV-2病毒.退伍军人退伍军人退伍军人在XGBoost中使用.更多相关视频
06:03Author Spotlight: Advancing Immune Monitoring in Critical Care Patients Using Whole Blood Assays
Published on: September 20, 2024
1.1K
10:21Author Spotlight: Exploring the Role of Inflammation in the Co-occurrence of Primary Sjogren's Syndrome and Lung Adenocarcinoma
Published on: September 20, 2024
353
