预测流感样疾病（包括 COVID-19）的严重程度和疾病进展 (PREDICT-ILI)

尽管取得了临床进展和数十年的研究，但可靠地预测流感和冠状病毒感染等呼吸道病毒性疾病病程的能力仍然很差。 该项目的目的是开发一个平台，通过结合生理数据和流感样感染严重程度的相关性来识别和开发预测性测试，以便在呼吸道病毒感染期间可以预测严重肺部受累的进展。 这将允许患有自限性疾病的患者安全出院或酌情更快速地加强治疗。

呼吸道感染是全世界严重疾病的最重要原因之一，每年冬天，由于每年的发病率激增，主要呼吸道病毒给卫生服务带来巨大压力。 流感和呼吸道合胞病毒 (RSV) 是导致严重肺部疾病的两种最常见的病毒原因，导致约 50% 的儿童住院和 22% 的成人住院，其中老年人死亡率最高。 随着人口老龄化，这种疾病负担正在稳步增加。 此外，新出现的大流行性流感病毒株以不可预测的方式出现的持续风险被普遍认为是对全球健康和社会经济稳定的最严重威胁之一。 最近的 COVID-19 大流行证明了这一点。

严重流感的危险因素已在临床队列中进行了广泛研究，年龄较大、合并症、肥胖和怀孕都会增加患严重流感的可能性。 然而，准确的预后标志物仍然难以捉摸，并且尚未在自然感染的患者中探索对呼吸道病毒感染的反应动态。 此外，生物标志物的发现受到病毒株和剂量异质性的限制；延迟提交时间；和患者水平的混杂因素。 为了解决这些问题，研究人员自 2010 年以来对流感和 RSV 进行了受控的人类感染，以研究免疫发病机制，特别关注人类呼吸道疾病。 来自感染 A(H1N1)2009 流感毒株的一组志愿者的最新初步数据显示，全血转录组的快速变化发生在病毒暴露后 2 天内。 在 2009 年流感大流行期间，对住院患者也进行了类似的研究。 在那里，血液的转录组学分析显示在不太严重的个体中具有相似的抗病毒特征，但与不良临床结果相关的不同特征。

该项目的目的是确定和测试流感样疾病患者疾病进展和临床恶化的预测因子，以便开发新方法更准确地确定呼吸道病毒感染期间是否需要住院和加强治疗。 为了在自然感染患者的独立队列中进一步开发和测试这些生物标志物，将在入院后 24 小时内招募患有流感样疾病的住院成人，并在随后的 3 个时间点从血液和鼻子中获取样本。

使用这些数据，将识别预测性转录组特征。 然后将使用纵向样本和临床数据在受影响的当地人群中测试、验证和完善它们。 然后，这些发现将转化为新的诊断工具，并建立一个生物库，以进一步研究严重呼吸道病毒感染的病毒学和免疫发病机制。