COVID-19関連追加(2021124日)ウイルス量と重症度について

当院HP関連ファイル(ウイルス排出とウイルス量について)

2020418,・2020429

2020531日(ACE2の発現),・202055日(感染力について)

2020721日(年齢におけるウイルス量の違い)

2020818日(Ct値と感染性の関連),・2021111-2

【ウイルス量と重症度について】

(1)de la Calle et al. European Journal of Clinical Microbiology & Infectious Diseases . Jan 7, 2021. https://doi.org/10.1007/s10096-020-04150-w.

Objective

この研究の目的は,鼻咽頭検体のリアルタイム逆転写酵素ポリメラーゼ連鎖反応(rRT-PCRCt値を用いて測定した入院時の SARS-CoV-2ウイルス量が疾患重症度のマーカーであるかどうかを明らかにすることであった.

Methods

スペインにある当院で31日〜318日までに鼻咽頭検体のrRT-PCRにてSARS-CoV-2感染と診断された18歳以上の入院成人患者をすべて対象とし,後ろ向き解析を行った.rRT-PCRについては,シングルプレックス反応で3つの異なるウイルス領域を増幅するThermosfisher Scientific社提供のthe test TaqMan 2019nCoV assayKit v1を実行するLightCycler 480 System instrument II (Roche Life Science, Indianapolis, IN, USA)を使用した.相対定量の指標として,N遺伝子の増幅で得られたCt値を記録した.

研究集団は,高ウイルス量(Ct< 25),中ウイルス量(Ct: 25-30),低ウイルス量(Ct> 30)と,入院時に得られたCt値によって分けた.これらのグループの人口統計学的,臨床,検査変数を分析し,入院中の呼吸不全の発症に対するウイルス量の影響を評価した.

主要エンドポイントは呼吸不全の発症であり,これは機械式換気,非侵襲的陽圧換気,または侵襲的機械式換気の必要性と定義された.これは,機械式換気が開始されていなくても,入院中にPaO2/FiO2 <200であった患者についても考慮された.

Results

全体で,連続した患者455人が含まれていた.Ct 値の中央値は28IQR: 24-32)であった130人(28.6%)は高ウイルス量,175人(38.5%)は中ウイルス量,150人(33%)は低ウイルス量であった.高齢,男性,心血管疾患,LDH,リンパ球数,CRPなどの検査マーカー,および入院時の高ウイルス量は呼吸不全の予測因子であった(Table

入院患者455人のうち,161人(35.4%)が中央値9日後(IQR 6-11)に呼吸不全を発症したFigureCt< 25では,入院中の呼吸不全リスクが高く(OR: 2.99, 95%CI: 1.57-5.69, p=0.001),院内死亡率と関連があった(OR: 2.04, 95%CI: 1.44-4.00, p= 0.037

 

 

Table: Multivariate analysis of patients for the occurrence of respiratory failure.

 

Figure: Probability of respiratory failure during hospitalization among patients with high, intermediate and low viral load.

Fig. 1

 

Limitation

単施設後ろ向き研究であること.RT-PCRでは,活性(viable/非活性ウイルスを区別できないこと.

Conclusions

入院時のCt値によって測定されるSARS-CoV-2ウイルス量は,COVID-19入院患者における呼吸不全の発症を予測するための価値のあるツールである

(2)Silva, J, et al. Saliva viral load is a dynamic unifying correlate of COVID-19 severity and mortality. medRxiv. Posted Jan 10, 2021.

https://doi.org/10.1101/2021.01.04.21249236.

Abstract

いくつかの臨床的および免疫学的パラメータがSARS-CoV-2感染における疾患重症度および死亡率と相関する一方で,臨床実践を導くために使用できるCOVID-19の統一的な相関関係を特定する作業が残っている.我々は,唾液および鼻咽頭(NP: nasopharyngeal)ウイルス量を経時的に調べ,患者の人口統計学,細胞および免疫のプロファイリングと相関させている.20203月〜6月に米国で登録されたSARS-CoV-2陽性者180人,SARS-CoV-2陰性者108人の縦断的コホートを対象に,疾患重症度とウイルス量動態に関連する因子を評価した.その結果,唾液ウイルス量はCOVID-19のリスク因子を持つ患者で有意に高いことが判明した; それは疾患重症度の上昇レベルと相関し,経時的な死亡率の予測因子として鼻咽頭ウイルス量よりも優れていたAUC= 0.90.免疫因子と細胞サブセットの包括的な解析により,高/低唾液ウイルス量が強力な予測因子であることが明らかになり,これらはそれぞれ疾患重症度の上昇または全体的な転帰の改善と関連していた.唾液ウイルス量は,1型免疫応答サイトカインと同様に,IL-6IL-18IL-10CXCL10 などの多くの既知の COVID-19炎症性マーカーと正の相関を認めた.より高い唾液ウイルス量は,血小板,リンパ球,および循環濾胞性CD4 T細胞(cTfh: circulating follicular CD4 T cells)を含むエフェクターT細胞サブセットの進行性の枯渇(progressive depletion)と強く相関していた.抗スパイク(S: spike)および抗受容体結合ドメイン(RBD: receptor binding domainIgGレベルは唾液ウイルス量と負の相関があり,COVID-19の重症度と死亡率を区別するのに役立つ強い時間的関連性を示した.最終的に,致死的なCOVID-19患者は,cTfh細胞の枯渇および抗RBD/S IgGレベルの産生の低下と相関する高いウイルス量を示したこれらの結果から,鼻咽頭ではなく,唾液で測定されたウイルス量は,経時的な疾患発現,重症度,および死亡率における動的に統一的な相関していることが示された

Key findings

高い唾液ウイルス量は,疾患重症度の上昇と相関し,鼻咽頭ウイルス量よりも死亡率における高い予測因子であった(Figure

・唾液ウイルス量は,COVID-19のリスク因子を持つ人では有意に高くRBD IgGのレベルの上昇とともに減少した

唾液ウイルス量は,COVID-19の重症度および死亡率の重要な臨床的指標であり,早期にモニターされるべきである.唾液ウイルス量の連続モニタリングは,例えば,回復期血漿治療プロトコルにおいて有用である可能性がある.

 

 

Figure:

Chart, bar chart showing saliva and NP measures of viral load and disease severity.

 

Discussion

これらの知見は,唾液ウイルス量が鼻咽頭ウイルス量として見られるものよりもin vivoにおいて,関連はあるが異なる複製プロセスを反映していることを示唆している.唾液腺を取り巻く上皮と同様に,鼻咽頭および口腔上皮はACE2発現36)37)SARS-CoV-1の複製能力38)を示すが,1つの研究は,SARS-CoV-2感染者のマイナー唾液腺で顕著にACE2が発現していることを示し39)ヒトの唾液中のウイルスの集簇はまた、重要な主要臓器におけるウイルス複製を反映している可能性がある唾液ウイルス量は,その後に唾液と混ざり合う粘膜線毛クリアランス(mucociliary clearance40)を介して口腔内に推進された下気道におけるウイルスの侵入と複製を反映している可能性がある.それにもかかわらず,疾患重症度と唾液ウイルス量の有意かつ時間的な関連は,早期の唾液に関連した高ウイルス量は,疾患重症度に関する免疫学的なトリガーであることを示唆しており,このウイルス量が高い人の疾患重症度および死亡率が上昇している

我々の研究では,唾液ウイルス量は,COVID-19の既知のリスク因子である男性で有意に高かった.男性は既知のリスク因子であり,女性に見られるものとは異なる免疫応答をもっている3)41)-43).したがって,COVID-19のリスク因子は,ウイルス複製を支持するためのベースラインにおける宿主の能力を反映している可能性があり,複数のリスク因子を持つ人は,より高いウイルス量とより悪い転帰の素因となりうる.特定の宿主における初期の高いウイルス複製は,インターフェロンを介した抗ウイルス防御を含む自然免疫応答の失敗を反映している可能性がある.実際,抗ウイルス防御を担う自然免疫障害は高齢44),メタボリックシンドローム45),癌46),および免疫不全状態といったCOVID-19のリスク因子で観察される.さらに最近の研究では,COVID-19のリスク因子を持つ人の肺でACE2の発現が増加していることも示されており47),これは既往症のある人は,より高いレベルのウイルス複製が起こるさらなる素因となっている可能性がある.

初期のウイルス量が高い患者では,高ウイルス量からエスケープするためには,高濃度の抗体が必要であり,抗体対ウイルス量比(antibody-to-viral-load ratios)が高いことが必要である.抗RBD IgGはウイルス量を低下させるのに有効であるが,高い重症度は,ウイルス量を克服するために全体的な回復率をさらに遅らせるかもしれない特異性の低い抗S1 IgGへの高い依存性と関連があった.実際,重症化した患者は,中等症の患者や入院していない患者よりも,唾液ウイルス量が低い状態になるまで,発症から有意に長い日数を要した.高い唾液ウイルス量が,CD4 cTfh細胞の枯渇と関連していることを考えると,これらの結果は,抗 S1 IgGへの高い依存性は,このコホートのリンパ球枯渇の結果として、適切なB細胞の働きの欠如から駆動される可能性を示唆している

球サブセットを示した.唾液ウイルス量が高い患者と同様に,死亡した患者は発症から10-20日目有意に低い抗RBDおよび抗S1 IgGを示し,その時間枠におけるcTfh細胞の著明な枯渇に一致していた致死的なCOVID-19では,初期の唾液ウイルス量が高く,Tfhおよび抗体応答が低下し,ウイルスを排除することができず,悪循環を誘発するという特徴があるかもしれない.実際,高ウイルス量をより長く維持する,あるいは高唾液ウイルス量からから移行することによって,回復または死亡に向けた有意に異なった転帰を示した.これらの知見は,発症から10-20日目にエフェクター細胞集団の深刻な枯渇が起こる前に,ウイルス量を早期に減少させるための介入を適用し,モニタリングするための”窓”として役立つかもしれない.全体的なウイルス量を低下させるように設計された薬剤やモノクローナル抗体は,臨床試験ではほとんど効果が認められていないが,これはこれらの薬剤が疾患の初期段階でウイルス量を低下させることができないことに関係している可能性がある48)-51).また,高ウイルス量の患者では,ウイルス量を低下させるために高い抗体対ウイルス量比が必要であり,RBD IgGはこれを達成するのに優れていたことは重要である.これらの知見は,様々なレベルの特異的抗体を保有している可能性があり,初期のウイルス量レベルに基づいて適切な比率でウイルス量を低下させることに成功したり失敗したりする可能性がある回復期血漿治療において重要である.唾液ウイルス量の連続的なモニタリングは,有効性を確保するためにウイルス負荷を標的とする状況で重要である

 

 

Figure 1: Saliva viral load is significantly higher in individuals with multiple health risk factors, older patients, and in males.

a-f, a, Comparison of saliva viral load amongst patients stratified from 0 to 4+, representing their cumulative pre-existing COVID-19 health risk factors (Extended Figure 1 and Table 1). b, Linear Regression of age and saliva viral load. c, t-test comparing saliva viral load by sex. d,e,f, Comparison of nasopharyngeal (NP) viral load to factors described in a, b, and c, respectively. All data points represent the first-recorded viral load measurement of a patient for saliva or nasopharyngeal viral load. Solid horizontal lines represent the mean. Significance of comparison for a and c, was determined by one-way ANOVA followed by Tukey’s test to account for multiple comparisons. Linear regression shows Pearson’s correlation coefficients; shading represents the 95% confidence interval for the regression line. Dotted lines VLP=positivity threshold for viral load is 3.75 Log (Genomic Equivalents [GE]/ml)); VLD=viral load limit of detection is 3.22 Log (GE/ml).

 

 

Figure 2: Saliva viral load is strongly associated with spectrum of disease severity throughout the course of illness.

a-l, a, Comparison of first recorded saliva viral load between individuals hospitalized for COVID-19 and non-hospitalized individuals within the first 10 days from symptom onset using a two-sided t-test. Comparison of only first recorded saliva viral load measurements amongst (b) moderate and severe disease or (c) alive and deceased individuals throughout the course of disease. d, e, f, comparison of nasopharyngeal viral load as in a, b, and c respectively. Significance was adjusted for multiple comparisons within viral load groups using the Holm-Sidak method. g, Comparison of saliva viral load between non-hospitalized, moderate, severe, and deceased individuals across days from symptom onset. Points represent a unique individual-timepoint and color represents the clinical severity status of that given individual-timepoint as labeled. Moderate and severe classification represents only individual-timepoints of patients who survived. A cubic spline fitted to the mean with a lambda of 0.05 is shown for each severity group. Shading of the lines represent the bootstrap confidence of fit. h, Least squares Mean analysis comparing mean saliva viral load amongst spectrum of disease over days from symptom onset using Restricted Maximum Likelihood (REML) to account for repeated measures for the same individuals. Significance was adjusted for multiple comparisons using the Tukey method. i, Linear regression analysis, assessing correlations of saliva viral load between alive and deceased groups over days from symptom onset. Pearson’s correlation coefficients are shown for each group; shading represents the 95% confidence interval for the regression line. j, k, l, Comparison of nasopharyngeal viral load between spectrums of disease severity as described for saliva viral load in g, h, and i respectively. Dotted lines VLP=positivity threshold for viral load is 3.75 Log (Genomic Equivalents [GE]/ml)); VLD=viral load limit of detection is 3.22 Log (GE/ml).

 

 

 

 

Figure 3: Saliva viral load correlates with key immunological markers of severity and mortality in COVID-19.

a-i, a, Comparison of saliva and nasopharyngeal viral load to 75 immunological factors using Pearson correlation. Values are ordered starting at the top by maximum positive correlation value. Correlation scale is represented on the x-axis. Whiskers represent the 95% confidence interval of the correlation. b, Variable Importance Plot (VIP) vs coefficients plot generated from non-linear iterative partial least squares (NIPALS) analysis, with K-Fold cross validation (K=5). The plot represents component 1 which accounted for approximately 16.59% of the x variability and approximately 52% of the y (see Extended Figure 3a). The VIP threshold cutoff was 0.8. VIP score is denoted on the y-axis with regression coefficients on the x-axis. A total of 39 factors met the threshold criteria for importance; 30 of which were positive predictors of higher saliva viral load, and 9 of which were predictors of lower saliva viral load. c, One-way ANOVA comparing the mean difference of platelets, CXCL10, and IL-6, between healthcare workers (HCW) and/or individual timepoints in the low, medium, and high saliva viral load groups. P-values were adjusted using Tukey method. Additional comparisons are available in Extended Figure 4. d, heatmap depicts hierarchical clustering comparing enrichment of the 39 VIP factors identified in B measured at distinct timepoints in COVID-19 patients. Measurements were normalized across all patients. Clustering was Ward based (Cluster 1, n=68, cluster 2, n=62). e, Comparisons between clusters 1 and 2 generated from D. Comparison of saliva viral load and age, by 2-sided t-test; significance for frequency of severity and mortality was done via 2-tailed Fisher’s exact test and was p=0.0033, and p=0.0002 respectively. f, Heatmap depicting mean values of lymphocyte subset counts between healthcare workers, and low medium and high saliva viral load groups. Lymphocyte subsets are labeled or abbreviated on the left. Abbreviations: CD4cm T cells=CD4 central memory T cells; CD8cm T cells=CD8 central memory T cells; TCRA CD4 T cells=acutely activated effector CD4 T cells (HLADR+, CD38+, CD8 4+); TCRA CD8 T cells=acutely activated effector CD8 T cells (HLADR+, CD38+, CD8 +); US B cells=non-class switched memory B cells. g, One-way ANOVA comparing the mean difference of lymphocytes, and T cell subsets between uninfected healthcare workers (HCW) and/or individual-timepoints in the low, medium, and high saliva viral load groups. P-values were adjusted using Tukey method. Additional comparisons are available in Extended Figure 5a. h, Comparison of cell populations in G between alive and deceased individuals. P-values are adjusted for multiple comparisons using the Holm-Sidak method. Additional comparisons are available in Extended Figure 5c. i, Restricted Maximum Likelihood (REML) Least squares regression was performed correlating saliva viral load with T cells numbers in across time R adjusted=0.957, RMSE=0.153, p=0.0032) Additional comparisons are shown in Table 4. Dual-y axis graph tracking T cell counts (x106 cells/ml) on the left and saliva viral load (Log GE/ml) on the right over days from symptom onset for all patients. Points represent a unique timepoint measurement for either t cell counts or saliva viral load as indicated on the graph. All points depicted for either T cell counts, or saliva viral load have a corresponding measurement of saliva viral load, or T cell counts respectively. Saliva viral load and T cell count curves are color coded as indicated. Curves represent the cubic spline fitted to the mean of the points with a lambda of 0.05. Dotted lines VLP=positivity threshold for viral load is 3.75 Log (Genomic Equivalents [GE]/ml)); VLD=viral load limit of detection is 3.22 Log (GE/ml). HCW mean=Mean T cell count for healthcare workers is also shown for reference.

 

 

Figure 4: Early escape from high saliva viral load is associated with better antibody production and recovery.

a-k, a, Comparison of mean anti-RBD IgG levels between low, medium, and high saliva viral Load and uninfected healthcare workers. Comparisons were done using a one-way ANOVA p-values were adjusted using Tukey method for multiple comparisons. b, Least squares means analysis comparing Anti-RBD IgG levels amongst patients with high vs medium and low saliva viral load over days from symptom onset. Timepoints represent 5-day bins. P values are adjusted for multiple comparisons using Sidak correction. Whiskers and shading represent the 95% confidence interval of the mean. c, Comparison of the mean Anti-RBD IgG levels amongst alive and deceased individuals between days 10-20 from symptom onset using a 2-sided t-test and. P-vaules are adjusted for multiple comparisons with Sidak correction. d, e, f, Comparison of Anti-S1 IgG levels as in in a, b, c respectively. g, Comparison of the mean duration of days from symptom onset in the high, medium and low saliva viral load categories amongst spectrum of disease severity. Top Panel shows the Kernel projected percent distribution of time spent for individuals within severity subgroups in the high, medium, or low saliva viral load categories. Bottom panel compares the mean time (y -axis) of each severity subgroup within each saliva viral load category. Points represent a patient time point. Severity is color-coded as indicated on the graph. Lines connect the means within each severity subgroup in each viral load category. Whiskers represent the standard deviation of the mean and shading represents the 95% bootstrap confidence of fit. Comparisons within each viral load category were done by one-way ANOVA and significance was adjusted for multiple comparisons across all categories using the Holm-Sidak method. The dotted line in the top and bottom panels labeled as high viral load Escape Threshold in the legend (Day 14 from symptom onset) represents the rounded average of one standard deviation away from the mean for the moderate and severe groups of patients in the high saliva viral load category who survived. h, Panels are subdivided by the high viral load Escape threshold (Day 14 from symptom onset) as indicated in the Figure. Panels represent the frequency of individuals within each severity group that fall into the high, medium, and low saliva viral load categories before day 14 from symptom onset (bottom) and at or after day 14 from symptom onset (top). i, Subpanels show the prevalence of individuals who go on to die within the high, medium, and low saliva viral load categories before day 14 (bottom) and on or after day 14 (top). Chi-squared tests were used to measure significance. j, Panels show mean levels of Anti S1 IgG and Anti RBD IgG (top) and their ratios over saliva viral load (bottom), amongst severity groups in the high medium and low saliva viral load levels. X-axis denotes saliva viral load levels as well as mean days from symptom onset (DfSO) of each severity group within each viral load level as determined in g. Comparisons of means amongst severity groups is made in the low saliva viral load level via least squares mean analysis using REML to compare Anti S1 IgG and Anti RBD levels between the groups and within groups. P values are adjusted for multiple comparisons using Sidak correction. There was a significant positive interaction between disease severity and higher proportions of Anti S1 IgG over Anti RBD IgG (p=0.0033). k, Least squares mean analysis comparing disease trajectory between high and medium/low viral loads over days from symptom onset. Disease severity was ranked on an increasing scale from 1-4 with 1 being illness not requiring hospitalization, 2 hospitalization with moderate disease, 3 severe disease, and 4 death. Timepoints represent 5-day bins. Points represent the mean score of disease severity for all patients in each bin that fell within the high vs medium/low saliva viral load categories. Whiskers represent the 95% confidence interval and shading represents the bootstrap confidence of fit. There was a significant positive interaction between viral load level and days from symptom onset (p=0.0187).

 

 

 

 

References

3) Peckham, H. et al. Male sex identified by global COVID-19 meta-analysis as a risk factor for death and ITU admission. Nat Commun 11, 6317,

doi:10.1038/s41467-020-19741-6 (2020).

36) Hamming, I. et al. Tissue distribution of ACE2 protein, the functional receptor for SARS coronavirus. A first step in understanding SARS pathogenesis. J Pathol 203, 631–637, doi:10.1002/path.1570 (2004).

37) Xu, H. et al. High expression of ACE2 receptor of 2019-nCoV on the epithelial cells of oral mucosa. Int J Oral Sci 12, 8, doi:10.1038/s41368-020-0074-x (2020).

40) Dickey, B. F. What it takes for a cough to expel mucus from the airway. Proceedings of the National Academy of Sciences 115, 12340–12342, doi:10.1073/pnas.1817484115 (2018).

41) Takahashi, T. et al. Sex differences in immune responses that underlie COVID-19 disease outcomes. Nature, doi:10.1038/s41586-020-2700-3 (2020).

42) Zhang, X. et al. Viral and host factors related to the clinical outcome of COVID-19. Nature 583, 437–440, doi:10.1038/s41586-020-2355-0 (2020).

43) Long, Q. X. et al. Antibody responses to SARS-CoV-2 in patients with COVID-19. Nature medicine 26, 845–848, doi:10.1038/s41591-020-0897-1 (2020).

44) Shaw, A. C., Goldstein, D. R. & Montgomery, R. R. Age-dependent dysregulation of innate immunity. Nature reviews. Immunology 13, 875–887, doi:10.1038/nri3547 (2013).

45) Smith, M., Honce, R. & Schultz-Cherry, S. Metabolic Syndrome and Viral Pathogenesis: Lessons from Influenza and Coronaviruses. Journal of virology 94, doi:10.1128/JVI.00665-20 (2020).

46) Chemaly, R. F. et al. A multicenter study of pandemic influenza A (H1N1) infection in patients with solid tumors in 3 countries: early therapy improves outcomes. Cancer 118, 4627–4633, doi:10.1002/cncr.27447 (2012).

47) Pinto, B. G. G. et al. ACE2 Expression Is Increased in the Lungs of Patients With Comorbidities Associated With Severe COVID-19. Journal of Infectious Diseases 222, 556–563, doi:10.1093/infdis/jiaa332 (2020).

48) Wang, Y. et al. Remdesivir in adults with severe COVID-19: a randomised, double-blind, placebo-controlled, multicentre trial. Lancet 395, 1569–1578, doi:10.1016/S0140-6736(20)31022-9 (2020).

49) Lyngbakken, M. N. et al. A pragmatic randomized controlled trial reports lack of efficacy of hydroxychloroquine on coronavirus disease 2019 viral kinetics. Nat Commun 11, 5284, doi:10.1038/s41467-020-19056-6 (2020).

50) Company, E. L. a. Lilly Statement Regarding NIH’s ACTIV-3 Clinical Trial, https://www.lilly.com/news/stories/statement-activ3-clinical-trial-nih-covid19.

51) Regeneron. REGN-COV2 INDEPENDENT DATA MONITORING COMMITTEE RECOMMENDS HOLDING ENROLLMENT IN HOSPITALIZED PATIENTS WITH HIGH OXYGEN REQUIREMENTS AND CONTINUING ENROLLMENT IN PATIENTS WITH LOW OR NO OXYGEN REQUIREMENTS,

https://newsroom.regeneron.com/news-releases/news-release-details/regn-cov2-independent-data-monitoring-committee-recommends.