Immunophenotyping and machine learning identify distinct immunotypes that predict COVID-19 clinical severity
Rattachement africain : nl, es, gr. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Abstract Quantitative or qualitative differences in immunity may drive and predict clinical severity in COVID-19. We therefore measured modules of serum pro-inflammatory, anti-inflammatory and anti-viral cytokines in combination with the anti-SARS-CoV-2 antibody response in COVID-19 patients admitted to tertiary care. Using machine learning and employing unsupervised hierarchical clustering, agnostic to severity, we identified three distinct immunotypes that were shown post-clustering to predict very different clinical courses such as clinical improvement or clinical deterioration. Immunotypes did not associate chronologically with disease duration but rather reflect variations in the nature and kinetics of individual patient’s immune response. Here we demonstrate that immunophenotyping can stratify patients to high and low risk clinical subtypes, with distinct cytokine and antibody profiles, that can predict severity progression and guide personalized therapy.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Immunophenotyping and machine learning identify distinct immunotypes that predict COVID-19 clinical severity
- Date Crossref
- 09/05/2021
- Éditeur
- openRxiv
- Type
- posted-content
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Erasmus MC pays non établi dans la noticeÉtablissement de santé
-
Erasmus MC Cancer Institute pays non établi dans la noticeÉtablissement de santé
-
Universitat Autònoma de Barcelona pays non établi dans la noticeUniversité ou école supérieure
-
Aristotle University of Thessaloniki pays non établi dans la noticeUniversité ou école supérieure
-
Centre for Research and Technology Hellas pays non établi dans la noticeStructure de recherche
-
Erasmus University Medical Center Department of Immunology pays non établi dans la noticeUniversité ou école supérieure
-
Vall d’Hebron University Hospital Universitat Autònoma de Barcelona pays non établi dans la noticeUniversité ou école supérieure
-
Chemical Process & Energy Resources Institute pays non établi dans la noticeStructure de recherche
-
School of Informatics pays non établi dans la noticeUniversité ou école supérieure
-
Cytek Biosciences pays non établi dans la noticeInstitution
Erasmus MC, Erasmus MC Cancer Institute et Universitat Autònoma de Barcelona, avec 7 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.