Indiziert in
- Öffnen Sie das J-Tor
- Genamics JournalSeek
- Nationale Wissensinfrastruktur Chinas (CNKI)
- Ulrichs Zeitschriftenverzeichnis
- RefSeek
- Hamdard-Universität
- EBSCO AZ
- OCLC – WorldCat
- Publons
- Google Scholar
Nützliche Links
Teile diese Seite
Zeitschriftenflyer
Open-Access-Zeitschriften
- Allgemeine Wissenschaft
- Biochemie
- Bioinformatik und Systembiologie
- Chemie
- Genetik und Molekularbiologie
- Immunologie und Mikrobiologie
- Klinische Wissenschaften
- Krankenpflege und Gesundheitsfürsorge
- Landwirtschaft und Aquakultur
- Lebensmittel & Ernährung
- Maschinenbau
- Materialwissenschaften
- Medizinische Wissenschaften
- Neurowissenschaften und Psychologie
- Pharmazeutische Wissenschaften
- Umweltwissenschaften
- Veterinärwissenschaften
- Wirtschaft & Management
Abstrakt
Vorhersage des Schweregrads des Krankheitsverlaufs bei COVID-19 auf individueller und Bevölkerungsebene: Ein mathematisches Modell
Narendra Chirmule, Ravindra Khare, Pradip Nair, Bela Desai, Vivek Nerurkar, Amitabh Gaur
Die Auswirkungen der COVID-19-Erkrankung auf Gesundheit und Wirtschaft sind global, und das Ausmaß der Zerstörung ist in der modernen Geschichte beispiellos. Jede mögliche Vorgehensweise zur Bekämpfung dieser komplexen Krankheit erfordert die systematische und effiziente Analyse von Daten, die die zugrunde liegende Pathogenese beschreiben können. Wir haben ein mathematisches Modell des Krankheitsverlaufs entwickelt, um den klinischen Ausgang vorherzusagen, wobei wir eine Reihe von kausalen Faktoren verwenden, von denen bekannt ist, dass sie zur COVID-19-Pathologie beitragen, wie Alter, Komorbiditäten und bestimmte virale und immunologische Parameter. Die Viruslast und ausgewählte Indikatoren einer gestörten Immunreaktion, wie die Zytokine IL-6 und IFNα, die zum Zytokinsturm und Fieber beitragen, Entzündungsparameter D-Dimer und Ferritin, Abweichungen bei der Lymphozytenzahl, Lymphopenie und neutralisierende Antikörper, wurden in die Analyse einbezogen. Das Modell bietet einen Rahmen, um die multifaktoriellen Komplexitäten der Immunreaktion zu entschlüsseln, die sich bei mit SARS-CoV-2 infizierten Personen manifestiert. Darüber hinaus kann dieses Modell hilfreich sein, um den klinischen Ausgang auf individueller Ebene vorherzusagen und Strategien für die Zuteilung geeigneter Ressourcen zur Eindämmung schwerer Fälle auf Bevölkerungsebene zu entwickeln.