OBJECTIVE Diabetes is one of the most distinct comorbidities of COVID-19. Here, we describe the clinical characteristics of and outcomes in patients with diabetes in whom COVID-19 was confirmed or clinically diagnosed (with typical features on lung imaging and symptoms) and their association with glucose-lowering or blood pressure–lowering medications. RESEARCH DESIGN AND METHODS In this retrospective study involving 904 patients with COVID-19 (136 with diabetes, mostly type 2 diabetes), clinical and laboratory characteristics were collected and compared between the group with diabetes and the group without diabetes, and between groups taking different medications. Logistic regression was used to explore risk factors associated with mortality or poor prognosis. RESULTS The proportion of comorbid diabetes is similar between cases of confirmed and of clinically diagnosed COVID-19. Risk factors for higher mortality of patients with diabetes and COVID-19 were older age (adjusted odds ratio [aOR] 1.09 [95% CI 1.04, 1.15] per year increase; P = 0.001) and elevated C-reactive protein (aOR 1.12 [95% CI 1.00, 1.24]; P = 0.043). Insulin usage (aOR 3.58 [95% CI 1.37, 9.35]; P = 0.009) was associated with poor prognosis. Clinical outcomes of those who use an ACE inhibitor (ACEI) or angiotensin II type-I receptor blocker (ARB) were comparable with those of patients who do not use ACEI/ARB among COVID-19 patients with diabetes and hypertension. CONCLUSIONS C-reactive protein may help to identify patients with diabetes who are at greater risk of dying during hospitalization. Older patients with diabetes were prone to death related to COVID-19. Attention needs to be paid to patients with diabetes and COVID-19 who use insulin. ACEI/ARB use showed no significant impact on patients with diabetes and hypertension who have COVID-19.

Abstract COVID-19 patients present high incidence of kidney abnormalities, which are associated with poor prognosis and high mortality. Identification of SARS-CoV-2 in kidney of COVID-19 patients suggests renal tropism and direct infection. Presently, it is generally recognized that SARS-CoV-2 initiates invasion through binding of receptor-binding domain (RBD) of spike protein to host cell-membrane receptor ACE2, however, whether there is additional target of SARS-CoV-2 in kidney remains unclear. Kidney injury molecule-1 (KIM1) is a transmembrane protein that drastically up-regulated after renal injury. Here, binding between SARS-CoV2-RBD and the extracellular Ig V domain of KIM1 was identified by molecular simulations and co-immunoprecipitation, which was comparable in affinity to that of ACE2 to SARS-CoV-2. Moreover, KIM1 facilitated cell entry of SARS-CoV2-RBD, which was potently blockaded by a rationally designed KIM1-derived polypeptide. Together, the findings suggest KIM1 may mediate and exacerbate SARS-CoV-2 infection in a ‘vicious cycle’, and KIM1 could be further explored as a therapeutic target.

When the gas reservoir contains CO2, the logging response tends to be complex. When calculating porosity with neutron and density curves, the accuracy of porosity calculation is reduced due to the uncertainty of fluid parameters, which in turn affects the evaluation of CO2 content. It increases the uncertainty of reserve evaluation. In this paper, a forward modeling model of density logging is established based on the equivalent volume model, and the method of neutron logging is formed by putting forward the nonlinear formula of the reciprocal of the comprehensive deceleration length. The key parameters and their variation rules of neutron logging and density logging forward modeling under different temperature and pressure conditions are obtained by experimental means and Monte Carlo method, respectively. The variation law of the influence of different CO2 content on neutron logging and density logging curves is simulated. The research shows that with the increase of CO2 content, the neutron logging value of gas reservoir decreases, while the density logging value increases, and the greater the porosity of gas reservoir, the more obvious this change trend is. Compared with CH4, CO2 has a more significant impact on the excavation effect of neutron logging. On this basis, combined with the conductivity model of the study area, the porosity and CO2 content of CO2 bearing gas reservoir are solved by the least-square method. The practice shows that the relative error of porosity calculation is within ±4% and the error of CO2 content calculation is within ±10%, which proves the reliability of this method.

Neuropathic pain is chronic pain caused by a lesion or disease of the somatosensory nervous system. Neuropathic pain, with a high incidence and complex pathogenesis, is one of the most significant areas of clinical medicine and basic research. Currently, prescribed treatments are still unsatisfactory or have limited effectiveness. A medicinal preparation is required that relieves the neuropathic pain and prolongs action time, which has not yet been discovered. In this study, MIL-101 (Fe) was employed as a drug carrier to regulate the release of diclofenac sodium, thereby achieving the effect of analgesia and sustained release. The release curves demonstrated that diclofenac sodium could be continuously released from MIL-101 (Fe) for more than 48h. There was no toxicity in vitro and in vivo, and the safety of MIL-101 (Fe) was confirmed by hematoxylin and eosin as well as ELISA tests in vivo. The results of behavioral testing, pharmacokinetics, and RNA sequencing analysis showed that MIL-101 (Fe) loaded with diclofenac sodium could enhance the mechanical withdrawal threshold and alleviate cold allodynia induced by Spared Nerve Injury, prolonging the work time by three days. The results indicated that MIL-101 (Fe) exhibited excellent biocompatibility, while the MIL-101 (Fe)-DS demonstrated analgesic and controlled-release properties. These findings provide a scientific foundation for the clinical management of neuropathic pain and the development of a novel formulation.

Water stratification is a typical feature of the ecosystem in the reservoir area. It is of great significance for the study of water environment in the reservoir area to realize the water quality monitoring of different vertical profiles in the reservoir area. According to the requirements of in-situ monitoring of water quality in reservoir section and the application requirements of profile water quality monitoring system, an integrated multi-parameter water quality sensor which can realize in-situ monitoring of water temperature, pH, dissolved oxygen, conductivity and chlorophyll a is designed. The sensor adopts modular and intensive design method, which is small in size and convenient in maintenance. The measurement principle and design method of the sensor are introduced, and the performance of the sensor is tested according to the relevant standards and application requirements. The test results show that the performance of the sensor meets the requirements of relevant standards, and can meet the requirements of water pressure resistance in 250 meters water depth, which can be better applied to the water quality monitoring requirements of large water depth.