*Avis important: Place de la recherche publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, guider la pratique clinique/les comportements liés à la santé, ou traités comme des informations établies.
Dans une récente étude publiée sur Place de la recherche* serveur de prétirage, les chercheurs ont évalué le rôle de la rénalase (RNLS) en tant que prédicteur indépendant de la mortalité liée à la maladie à coronavirus 2019 (COVID-19).
Sommaire
Arrière-plan
Au cours des derniers mois, un certain nombre d’études sur les biomarqueurs ont mis en lumière des éléments spécifiques de la réponse immunitaire contre le coronavirus 2 du syndrome respiratoire aigu sévère (SARS-CoV-2) et ont suscité de nouvelles questions vitales. Il a été rapporté que les personnes présentant des symptômes mortels présentaient une physiopathologie distincte de celles présentant des symptômes plus légers par une réponse inflammatoire agressivement perturbée. Plusieurs changements dans les indicateurs, y compris les dommages rénaux, semblent être temporaires.
On sait peu de choses sur les marqueurs appauvris dans l’infection par le SRAS-CoV-2 ou sur le comportement dynamique de ces biomarqueurs. La rénalase, un peptide produit de manière endogène par le cœur, les reins et l’endothélium, possède des qualités de prosurvie, telles que l’inhibition de la libération de cytokines dans les infections virales, telles que COVID-19, dans des modèles de souris.
À propos de l’étude
Dans la présente étude, les chercheurs ont déterminé si la rénalase prédisait indépendamment la mortalité liée au COVID-19.
L’équipe a enquêté sur des patients adultes COVID-19 positifs hospitalisés dans un centre universitaire urbain du 1er mars au 30 juin 2020. La réaction en chaîne de transcription-polymérase inverse (RT-PCR) d’échantillons d’écouvillonnage nasopharyngé de tous les patients a révélé une infection grave par le SRAS-CoV-2 . La collecte de tous les échantillons et l’imagerie faisaient partie des soins médicaux standard.
L’équipe a utilisé le Department of Medicine COVID Explorer (DOM-CovX), un groupe de patients hospitalisés COVID-19, pour obtenir des informations cliniques à partir du système de dossiers médicaux électroniques, y compris les données sociodémographiques, les signes vitaux, les comorbidités, les mesures de laboratoire, la disposition et les procédures. pendant toute la durée du séjour hospitalier.
La date d’admission, les symptômes avec dates d’apparition, les antécédents de tabagisme, l’état immunodéprimé, la réanimation cardiopulmonaire, ainsi que les dates de décès, d’intubation et de dernier suivi terminé, ont été extraits à l’aide d’examens manuels des dossiers. Les échantillons de sérum ou de plasma de la cohorte ont été analysés comme suit en évaluant les marqueurs inflammatoires, y compris l’interféron (IFN)-ɑ, l’IFN-β, l’IFN-λ, l’IFN-Ɣ, l’interleukine (IL)-1β, l’IL-6 et le facteur de nécrose tumorale (TNF), ainsi que la molécule de lésion rénale (KIM-1).
La mortalité a été définie comme un décès survenu dans les 180 jours suivant la visite index. Des techniques d’apprentissage automatique traditionnelles et contemporaines ont été utilisées. Pour les modèles conventionnels, l’équipe a utilisé la régression logistique et, pour les approches plus récentes, XGBoost.
Résultats
De mars 2020 à juin 2020, un total de 3 450 patients COVID-19 ont été hospitalisés. Le groupe d’étude comprenait 473 patients qui se sont portés volontaires pour la recherche, étaient âgés de plus de 18 ans et ont soumis suffisamment d’échantillons de sang. Comparativement aux patients hospitalisés qui n’étaient pas inclus, la répartition par âge et par sexe de la population de la cohorte était comparable. L’ensemble de la cohorte comprenait 366 patients survivants et 71 décès.
La durée moyenne de séjour des patients décédés était de 17 jours, et ils étaient plus âgés et plus souvent des hommes. En outre, ils ont signalé plus de comorbidités, des niveaux plus élevés de peptide β-natriurétique (BNP), de créatinine, de troponines, de ferritine, de d-dimères et de procalcitonine, et des plaquettes plus faibles que les individus qui ont survécu.
Ceux qui sont décédés ont montré des niveaux moyens de rénalase inférieurs et une tendance à des niveaux plus élevés d’IL-1, d’IFN et de KIM-1 que les individus qui ont survécu. L’équipe a identifié l’âge, le sexe du patient et la rénalase moyenne comme des prédicteurs significatifs de la mortalité à l’aide du modèle de régression logistique standard. En plus de la rénalase, l’équipe a identifié des facteurs cliniques et divers marqueurs de laboratoire conventionnels comme facteurs prédictifs de décès.
Selon le modèle XGBoost, un marqueur BNP élevé de fatigue cardiaque était le facteur prédictif le plus important de mortalité. Les patients avec le RNLS le plus bas et les quartiles BNP les plus élevés ont montré des taux de mortalité significativement plus élevés que ceux avec le RNLS le plus élevé et les quartiles BNP les plus bas. À la fin de leur séjour, les personnes ayant un BNP élevé et une rénalase basse ont signalé un taux de mortalité plus élevé que celles ayant un BNP bas et une rénalase élevée.
Renalase a montré une association comparable avec la troponine à haute sensibilité, un biomarqueur de lésions cardiaques, comme le montre la corrélation entre les deux. Dans les modèles conventionnels, on a observé que les troponines prédisaient la mort, malgré leur manque de signification dans le modèle XGBoost.
Lorsque les taux de rénalase ont été comparés à des marqueurs inflammatoires tels que l’IFN, l’IL-1 et l’IL-6, l’association était moins significative. La mortalité était significativement différente entre les individus avec un RNLS bas et un IL6 élevé et ceux avec un RNLS élevé et un IL6 bas. Cependant, la comparaison de groupes similaires pour l’IFN et l’IL-1 n’a révélé aucune différence significative.
Dans le modèle XGBoost, la numération plaquettaire a également été identifiée comme un facteur prédictif significatif de décès. Les patients avec de faibles niveaux de rénalase et une faible numération plaquettaire ont révélé les taux de mortalité les plus élevés par rapport à ceux avec des niveaux élevés de rénalase et une numération plaquettaire élevée.
Conclusion
Les résultats de l’étude ont montré que les techniques d’apprentissage automatique pouvaient compléter efficacement les méthodes statistiques traditionnelles lors de l’identification des prédicteurs de mortalité liés au COVID-19. La rénalase est un facteur prédictif fiable et indépendant de décès chez les patients hospitalisés atteints de COVID-19.
Des études prospectives devraient étudier la progression de la rénalase, en particulier en association avec d’autres marqueurs de dysfonctionnement endothélial et cardiaque, ainsi que l’éventuelle utilisation thérapeutique de la rénalase exogène.
*Avis important: Place de la recherche publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, guider la pratique clinique/les comportements liés à la santé, ou traités comme des informations établies.