Abstract Coronavirus disease 2019 (COVID-19) is an emerging infectious disease caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). We investigated the serum cytokine and chemokine levels in asymptomatic, mild, moderate, severe, and convalescent SARS-CoV-2–infected cases. Proinflammatory cytokine and chemokine production induced by SARS-CoV-2 were observed not only in symptomatic patients but also in asymptomatic cases, and returned to normal after recovery. IL-6, IL-7, IL-10, IL-18, G-CSF, M-CSF, MCP-1, MCP-3, IP-10, MIG, and MIP-1α were found to be associated with the severity of COVID-19. Moreover, a set of cytokine and chemokine profiles were significantly higher in SARS-CoV-2–infected male than female patients. The serum levels of MCP-1, G-CSF, and VEGF were weakly and positively correlated with viral titers. We suggest that combinatorial analysis of serum cytokines and chemokines with clinical classification may contribute to evaluation of the severity of COVID-19 and optimize the therapeutic strategies.

Stormwater runoff has been suggested to be a significant pathway of microplastics to aquatic habitats; yet, few studies have quantified microplastics in stormwater. Here, we quantify and characterize urban stormwater runoff from 12 watersheds surrounding San Francisco Bay for anthropogenic debris, including microplastics. Depth-integrated samples were collected during wet weather events. All stormwater runoff contained anthropogenic microparticles, including microplastics, with concentrations ranging from 1.1 to 24.6 particles/L. These concentrations are much higher than those in wastewater treatment plant effluent, suggesting urban stormwater runoff is a major source of anthropogenic debris, including microplastics, to aquatic habitats. Fibers and black rubbery fragments (potentially tire and road wear particles) were the most frequently occurring morphologies, comprising ∼85% of all particles across all samples. This suggests that mitigation strategies for stormwater should be prioritized. As a case study, we sampled stormwater from the inlet and outlet of a rain garden during three storm events to measure how effectively rain gardens capture microplastics and prevent it from contaminating aquatic ecosystems. We found that the rain garden successfully removed 96% of anthropogenic debris on average and 100% of black rubbery fragments, suggesting rain gardens should be further explored as a mitigation strategy for microplastic pollution.

Importance

 Observational studies have shown associations of birth weight with type 2 diabetes (T2D) and glycemic traits, but it remains unclear whether these associations represent causal associations. 

Objective

 To test the association of birth weight with T2D and glycemic traits using a mendelian randomization analysis. 

Design, Setting, and Participants

 This mendelian randomization study used a genetic risk score for birth weight that was constructed with 7 genome-wide significant single-nucleotide polymorphisms. The associations of this score with birth weight and T2D were tested in a mendelian randomization analysis using study-level data. The association of birth weight with T2D was tested using both study-level data (7 single-nucleotide polymorphisms were used as an instrumental variable) and summary-level data from the consortia (43 single-nucleotide polymorphisms were used as an instrumental variable). Data from 180 056 participants from 49 studies were included. 

Main Outcomes and Measures

 Type 2 diabetes and glycemic traits. 

Results

 This mendelian randomization analysis included 49 studies with 41 155 patients with T2D and 80 008 control participants from study-level data and 34 840 patients with T2D and 114 981 control participants from summary-level data. Study-level data showed that a 1-SD decrease in birth weight due to the genetic risk score was associated with higher risk of T2D among all participants (odds ratio [OR], 2.10; 95% CI, 1.69-2.61;P = 4.03 × 10⁻⁵), among European participants (OR, 1.96; 95% CI, 1.42-2.71;P = .04), and among East Asian participants (OR, 1.39; 95% CI, 1.18-1.62;P = .04). Similar results were observed from summary-level analyses. In addition, each 1-SD lower birth weight was associated with 0.189 SD higher fasting glucose concentration (β = 0.189; SE = 0.060;P = .002), but not with fasting insulin, 2-hour glucose, or hemoglobin A_1cconcentration. 

Conclusions and Relevance

 In this study, a genetic predisposition to lower birth weight was associated with increased risk of T2D and higher fasting glucose concentration, suggesting genetic effects on retarded fetal growth and increased diabetes risk that either are independent of each other or operate through alterations of integrated biological mechanisms.

Motivation: MRI examination of temporomandibular joint takes a long time to scan, especially when scanning in the open-mouth position, the patient cannot maintain the open-mouth state for a long time, it is easy to cause movements of the temporomandibular joint, resulting in motion artifacts in the scanned image and failure of the examination. On the premise of ensuring image quality, it is particularly important to reduce scan time. Goal(s): Applying deep learning reconstruction to improve temporomandibular joint MRI image quality and reduce scanning time. Approach: clinical experiments. Results: Deep learning reconstruction can improve image quality and significantly shorten scanning time of temporomandibular joint MRI. Impact: Deep learning reconstruction can significantly shorten scan time while improving image quality, helping radiologists to diagnose quickly and confidently，helping patients to spend less time feeling anxious in an MRI and more time living their life.