Objawy przewlekłego zmęczenia, depresji i lęku w przypadku długiego Covid-19 są silnie przewidywane przez szlaki neuroimmunologiczne i neurooksydacyjne, które są spowodowane stanem zapalnym podczas ostrej infekcji. Część 2

3.4. Przewidywanie zjawiska fizjo-afektywnego przy użyciu TO2, NT i Całkowitego Ca

Cistanche może działać przeciw zmęczeniu i zwiększać wytrzymałość, a badania eksperymentalne wykazały, że wywar z Cistanche tubulosa może skutecznie chronić hepatocyty i komórki śródbłonka wątroby uszkodzone u pływających myszy obciążonych ciężarem, zwiększać ekspresję NOS3 i promować glikogen wątrobowy syntezę, wykazując w ten sposób działanie przeciwzmęczeniowe. Ekstrakt Cistanche tubulosa bogaty w glikozydy fenyloetanowe może znacząco obniżyć poziom kinazy kreatynowej, dehydrogenazy mleczanowej i mleczanu w surowicy oraz zwiększyć poziom hemoglobiny (HB) i glukozy u myszy ICR, co może działać przeciw zmęczeniu poprzez zmniejszenie uszkodzenia mięśni oraz opóźnianie wzbogacania kwasu mlekowego w celu magazynowania energii u myszy. Compound Cistanche Tubulosa Tablets znacząco wydłużał czas pływania z obciążeniem, zwiększał rezerwę glikogenu w wątrobie i zmniejszał poziom mocznika w surowicy po wysiłku fizycznym u myszy, wykazując działanie przeciwzmęczeniowe. Odwar z Cistanchis może poprawić wytrzymałość i przyspieszyć eliminację zmęczenia u ćwiczących myszy, a także może zmniejszyć podwyższenie poziomu kinazy kreatynowej w surowicy po wysiłku fizycznym i utrzymać normalną ultrastrukturę mięśni szkieletowych myszy po wysiłku, co wskazuje, że ma działanie zwiększające siłę fizyczną i przeciwdziałające zmęczeniu. Cistanchis znacząco wydłużał także czas przeżycia myszy zatrutych azotynami i zwiększał tolerancję na niedotlenienie i zmęczenie.

Kliknij Zmęczenie mięśni

【Więcej informacji:george.deng@wecistanche.com / WhatApp:8613632399501】

Tabela 4 przedstawia analizy regresji wielokrotnej ze zjawiskiem fizjoafektywnym jako zmienną zależną oraz TO2, NT i całkowitym Ca jako zmiennymi objaśniającymi. W regresjach nr 1 i 2 wprowadziliśmy pierwszy PC wyodrębniony z czystych wyników FF, HAMD, HAMA i BDI oraz wyników fizjosomów HAMD i HAMA (nazwanych wynikiem PC fenomenu fizjo-afektywnego, odzwierciedlającym ogólną ciężkość) jako zmienną zależną. Odkryliśmy, że 46,0% wariancji w tym PC (regresja nr 1) zostało wyjaśnione przez całkowity Ca, wskaźnik NT i BMI. Ryciny 1 i 2 przedstawiają częściową regresję fizjoafektywnego wyniku PC odpowiednio dla całkowitego Ca i wskaźnika NT. Po wprowadzeniu pików BT i SpO2 do regresji nr 2, odkryliśmy, że duża część wariancji (52,4%) w zjawisku fizjoafektywnym PC została wyjaśniona przez szczyty BT i NT (oba dodatnio powiązane). Rycina 3 przedstawia częściową regresję wyniku zjawiska dla szczytowego BT. We wszystkich analizach regresji przeprowadzonych z wykorzystaniem czystych wyników FF, HAMD, HAMA i BDI oraz wyników fizjosomów HAMD i HAMA, indeks NT i całkowity Ca były zawsze najważniejszymi predyktorami.

Aby wykryć, czy wspólny czynnik wyodrębniony z indeksów NT i TO2 oraz całkowity Ca były powiązane ze wspólnym czynnikiem wyodrębnionym ze skal klinicznych, przeprowadziliśmy analizy korelacji kanonicznej. Tabela 5 przedstawia wyniki tej analizy, w której skale kliniczne stanowią zbiór zmiennych zależnych, a NT, TO2 i wapń stanowią zbiór zmiennych objaśniających. Składnik kanoniczny wyodrębniony z kompozytu NT, TO2 i całkowity Ca silnie korelowały z objawami fizjoafektywnymi i wyjaśniały 35,5% wariancji w przypadku tych ostatnich.

3.5. Przewidywanie domen fizjo-somatycznych i afektywnych za pomocą biomarkerów

W Tabeli 4 regresje #3 do #6 przedstawiają wyniki regresji z czystymi wynikami FF, HAMD, HAMA i BDI oraz wynikami fizjosomu HAMD i HAMA jako zmiennymi zależnymi i oddzielnymi biomarkerami jako zmiennymi objaśniającymi (bez wprowadzania indeksu NT ), aby wyjaśnić, które biomarkery były najbardziej predykcyjne. W tych analizach regresji jako zmienną fikcyjną wpisaliśmy także status szczepienia; mianowicie AstraZeneca (tak=1, nie=0), Pfizer (tak=1, nie=0) i Sinopharm (tak=1, nie {{8 }}). Odkryliśmy, że 37,1% wariancji w wynikach czystego FF (regresja nr 3) można wyjaśnić całkowitym Ca (odwrotnie), CRP, wykształceniem, AOPP, BMI i szczepieniem preparatem AstraZeneca (wszystkie dodatnio powiązane). Wyniki regresji nr 4 wykazały, że całkowity Ca (odwrotnie), CRP, wykształcenie, AOPP, MPO i szczepienie preparatem AstraZeneca (wszystkie pozytywne) przewidywały 41,3% wariancji w czystych wynikach HAMD. Odkryliśmy, że w przypadku regresji nr 5 całkowity Ca (odwrotnie powiązany), CRP, wykształcenie, AOPP i IL-1 (wszystkie dodatnio powiązane) wyjaśniają 37,2% wariancji czystego wyniku BDI. Regresja nr 6 wykazała, że ​​znaczną część wariancji (18,3%) w czystym wyniku HAMA można było przewidzieć na podstawie całkowitego Ca (odwrotnie powiązane), CRP i MPO (oba powiązane dodatnio). Wyniki regresji nr 7 wykazały, że u pacjentów z długą chorobą Covid-19 37,4% wariancji w wynikach HAMD u fizosomów wyjaśniono całkowitym Ca i szczepieniem Sinopharm (odwrotnie) oraz CRP i IL-18 (oba dodatnio powiązane). Regresja nr 8 wykazała, że ​​całkowity Ca (odwrotnie powiązany), MPO i BMI (oba dodatnio powiązane) wyjaśniają 21,7% wariancji w wynikach HAMA fizjosomu.

3.6. Wyniki analizy PLS

Rycina 4 przedstawia pierwszy model PLS, w którym oceniano, czy wpływ SpO2 i szczytowego BT (wprowadzonych jako pojedynczy wskaźnik, mianowicie wskaźnik TO2) na zjawisko fizjoafektywne długiego Covid (wpisanego jako utajony wektor pobrany z sześciu subdomeny skali oceny) były mediowane przez NT i Ca (IL-10 i TAC nie były istotne). Ponieważ analiza regresji wielokrotnej również wykazała skutki szczepienia, jako dodatkową zmienną objaśniającą włączyliśmy szczepienie Sinopharmem (tak=1, nie=0). Przy SRMR wynoszącym 0.{{20}}45 jakość modelu była zadowalająca i zaobserwowaliśmy odpowiednie wartości wiarygodności konstruktu dla zjawiska fizjoafektywnego z AVE=0. 613, rho A=0.920, niezawodność złożona=0.904 i alfa Cronbacha=0.873. Wszystkie ładunki dla sześciu wskaźników zjawiska fizjoafektywnego wynosiły > 0,7. CTA wykazało, że ten drugi wektor nie został błędnie określony jako model odblaskowy, a zawiązanie oczu wskazywało na akceptowalną, potwierdzoną krzyżowo redundancję konstruktu wynoszącą 0,364. PLSPredict pokazał, że wskaźniki konstruktu miały dodatnie wartości przewidywań w drugim kwartale, co wskazuje, że błąd przewidywania był niższy niż najbardziej naiwny benchmark. Pełna analiza ścieżki PLS wykazała, że ​​61,6% wariancji w zjawisku fizjoafektywnym wyjaśniono regresją dla NT, Ca, wskaźnika TO2 i szczepienia, a wskaźnik TO2 wyjaśnił 16,2% i 17,1% wariancji NT i Ca odpowiednio. Zakażenie SARS-CoV-2 wyjaśniło 47,0% wariancji wskaźnika TO2. Chociaż TO2 miał znaczący bezpośredni wpływ na fenomen, miał także znaczące i specyficzne skutki pośrednie, w których pośredniczył albo NT (t=4.10, p < 0,001), albo Ca (t=4.13, p < 0,001). Infekcja spowodowała bardzo istotny całkowity pośredni wpływ na długi fenomen Covid (t=8,92, p < 0,001).

Aby zbadać wpływ SpO2 i szczytowego BT na oddzielne biomarkery długiego Covid-19 i określić, które biomarkery są najważniejsze w przewidywaniu zjawiska, przeprowadziliśmy drugą analizę ścieżki PLS (patrz ryc. 5). Przy SRMR wynoszącym 0,040 jakość modelu była odpowiednia, a trafność wiarygodności konstruktu ukrytego konstruktu była również odpowiednia (nie pokazano, ponieważ była podobna do wyjaśnionej na rysunku 4). Odkryliśmy, że 46,8% wariancji wyjaśniono regresją z Ca, CRP, IL-1, AOPP, MPO i szczepieniem. SpO2 miało znaczący wpływ na AOPP i MPO, podczas gdy szczyt BT wpływał na MPO, CRP i Ca.

4. Dyskusja

4.1. Zjawisko fizjoafektywne długiego Covid-19

Pierwszym ważnym wynikiem tego badania było to, że udało nam się wyodrębnić jeden możliwy do replikacji wektor utajony z wyników skali ocen fizjosomatycznych i afektywnych. Potwierdziło to wyniki innego badania przeprowadzonego na niezależnej próbie irackich pacjentów z COVID-19 i grupy kontrolnej [32]. Co więcej, zarówno to drugie, jak i obecne badanie wykazały, że fizjoafektywny rdzeń długiego Covid-19 był silnie przewidywany na podstawie połączonych skutków zwiększonego szczytowego BT i obniżonego SpO2 podczas ostrej fazy choroby. Jak wyjaśniono wcześniej [31], zwiększone szczytowe BT i obniżone SpO2 odzwierciedlają ciężkość rdzenia infekcyjno-immunologiczno-zapalnego ostrego COVID-19. Wyniki te wskazują, że rdzeń fizjo-afektywny podczas ostrej i długiej choroby Covid-19 jest w dużej mierze konsekwencją szlaków infekcja – immunologiczno – zapalnych. Wyniki potwierdzają, że objawy fizjosomatyczne, w tym chroniczne zmęczenie; objawy fizjosomatyczne, w tym ból, GIS, złe samopoczucie i objawy autonomiczne; i objawy afektywne mają wspólne szlaki immunologiczno-zapalne, jak omówiono we wstępie.

4.2. Zwiększone NT w wyniku aktywacji NLRP3 przewiduje zjawisko fizjo-afektywne

Drugim ważnym rezultatem było to, że udało nam się skonstruować nową klasę endofenotypów opartą na podwyższonym NT podczas długiego Covid-19 oraz obniżonym SpO2 i zwiększonym szczytowym BT podczas ostrej fazy choroby (klaster ten nazwano TO-NT długi COVID). Ta ostatnia grupa pacjentów charakteryzowała się zwiększonymi wskaźnikami aktywacji inflammasomu NLRP3, ze zwiększonym IL-1 i kaspazą 1, łagodnym stanem zapalnym ze zwiększonym CRP, zwiększonym poziomem MPO i AOPP oraz niższym poziomem całkowitego Ca. Należy podkreślić, że grupa pacjentów nie-TO-NT również wykazywała zwiększone NT, chociaż znacznie mniejsze niż skupienie TO-NT. Chociaż IL-10, ujemna cytokina immunoregulacyjna, była znacząco zwiększona w przypadku długiego Covid-19, nie umożliwiła przewidzenia zjawiska po uwzględnieniu innych biomarkerów. Co najważniejsze, pacjenci należący do klastra TO-NT wykazali bardzo istotny wzrost wyników fizjoafektywnych, co wskazuje na silne powiązania między biomarkerami ostrego i długiego przebiegu Covid-19 a objawami fizjoafektywnymi. Co więcej, wskaźnik NT i jego kluczowe składniki — mianowicie zwiększone IL-1, CRP, MPO i AOPP oraz obniżone Ca — przewidziały dużą część wariancji zjawiska fizjoafektywnego. W związku z tym w tym badaniu abstrahowano fizjoafektywny fenomen długiego Covid-19 w bardziej konkretnej koncepcji opartej na NT.

Warto zauważyć, że warianty genetyczne NLRP3 (mianowicie warianty NLPR3 rs10157379 T > C i NLPR3 rs10754558 C > G) są powiązane ze zmęczeniem, bólami mięśni, przeczulicą bólową i złym samopoczuciem w ostrej fazie zakaźnej [20]. Nieprawidłowa aktywacja NLRP3 podczas ostrej infekcji może prowadzić do patologicznego uszkodzenia tkanki [22] i może stanowić podstawę nadmiernej odpowiedzi immunologicznej, ponieważ przyczynia się do burzy cytokin w ostrym przebiegu Covid-19-19 [51,52]. W kilku badaniach wykazano, że kaspaza 1, IL-1 i IL-18 są powiązane z depresją, stanami lękowymi i zmęczeniem, co wskazuje na wpływ inflamasomu NLRP3 na patofizjologię tych chorób [53–57] . NLRP3 może aktywować enzym kaspazę 1, który z kolei wyzwala cytokiny prozapalne IL-1 i IL-18 w celu wywołania piroptozy (śmierci komórki w odpowiedzi na sygnały prozapalne) i odgrywa kluczową rolę w zapaleniu układu nerwowego [58].

IL-1 jest niezbędna do rozpoczęcia i utrzymania reakcji immunologiczno-zapalnych w ośrodkowym układzie nerwowym (OUN) i może wpływać na integralność bariery krew-mózg (BBB), prowadząc do wycieku obwodowych komórek odpornościowych do OUN [59,60]. Co więcej, IL-1 pośredniczy w aktywacji mikrogleju i astrocytów, co powoduje naciek limfocytów T do OUN, wzmagając w ten sposób stan prozapalny poprzez wytwarzanie IL-6 i TNF- wraz z neurotoksycznymi metabolitami, zwiększając ekscytotoksyczność i uszkodzenie neuronów [36,61]. IL-18 jest jednym z mediatorów odporności komórkowej i pobudza komórki pomocnicze T (Th) 1 i B do wytwarzania cząsteczek adhezyjnych, cytokin prozapalnych i chemokin [62,63]. Ponadto IL-18 może zwiększać ekspresję kaspazy 1 i metaloproteinaz macierzy w mikrogleju oraz tworzenie cytokin prozapalnych [64] i może powodować uszkodzenie neuronów poprzez zwiększenie poziomu ligandów Fas w komórkach glejowych [57]. Wysokie poziomy IL-1 i IL-18 wykryto u pacjentów z infekcją OUN, urazami mózgu, chorobą Alzheimera i stwardnieniem rozsianym [65–67]. Podsumowując, aktywacja NLRP3 powoduje skutki neurotoksyczne poprzez promowanie syntezy innych szkodliwych metabolitów lub bezpośrednie uszkodzenie neuronów.

【Więcej informacji:george.deng@wecistanche.com / WhatApp:8613632399501】