Rationale: Some patients with coronavirus disease 2019 (COVID-19) rapidly develop respiratory failure or even die, underscoring the need for early identification of patients at elevated risk of severe illness.This study aims to quantify pneumonia lesions by computed tomography (CT) in the early days to predict progression to severe illness in a cohort of COVID-19 patients.Methods: This retrospective cohort study included confirmed COVID-19 patients.Three quantitative CT features of pneumonia lesions were automatically calculated using artificial intelligence algorithms, representing the percentages of ground-glass opacity volume (PGV), semi-consolidation volume (PSV), and consolidation volume (PCV) in both lungs.CT features, acute physiology and chronic health evaluation II (APACHE-II) score, neutrophil-to-lymphocyte ratio (NLR), and d-dimer, on day 0 (hospital admission) and day 4, were collected to predict the occurrence of severe illness within a 28-day follow-up using both logistic regression and Cox proportional hazard models.Results: We included 134 patients, of whom 19 (14.2%) developed any severe illness.CT features on day 0 and day 4, as well as their changes from day 0 to day 4, showed predictive capability.Changes in CT features from day 0 to day 4 performed the best in the prediction (area under the receiver operating characteristic curve = 0.93, 95% confidence interval [CI] 0.87~0.99;C-index=0.88,95% CI 0.81~0.95).The hazard ratios of PGV and PCV were 1.39 (95% CI 1.05~1.84,P=0.023) and 1.67 (95% CI 1.17~2.38,P=0.005), respectively.CT features, adjusted for age and gender, on day 4 and in terms of changes from day 0 to day 4 outperformed APACHE-II, NLR, and d-dimer.Conclusions: CT quantification of pneumonia lesions can early and non-invasively predict the progression to severe illness, providing a promising prognostic indicator for clinical management of COVID-19.

Triclosan (TCS) is a broad-spectrum antibiotic widely used in various personal care products. Research has found that exposure to TCS can cause toxic effects on organisms including neurotoxicity, cardiotoxicity, disorders of lipid metabolism, and abnormal vascular development, and the corresponding toxic mechanisms are gradually delving into the level of abnormal expression of miRNA regulating gene expression. Although the downstream mechanism of TCS targeting miRNA abnormal expression to induce toxicity is gradually improving, its upstream mechanism is still in a fog. Starting from the abnormal expression data of circRNA in zebrafish larvae induced by TCS, this study conducted a hierarchical analysis of the expression levels of all circRNAs, differential circRNAs, and trend circRNAs, and identified 29 key circRNA events regulating miRNA abnormal expression. In combination with GO and KEGG, the effects of TCS exposure were analyzed from the function and signaling pathway of the corresponding circRNA host gene. Furthermore, based on existing literature evidence about the biological toxicity induced by TCS targeting miRNA as data support, a competing endogenous RNAs (ceRNA) network characterizing the regulatory relationship between circRNA and miRNA was constructed and optimized. Finally, a comprehensive Adverse Outcome Pathway (AOP) framework of multiple levels of events including circRNA, miRNA, mRNA, pathway, and toxicity endpoints was established to systematically elucidate the toxic mechanism of TCS. Moreover, the rationality of the AOP framework was verified from the expression level of miRNA and adverse outcomes such as neurotoxicity, cardiotoxicity, oxidative stress, and inflammatory response by knockdown of circRNA48. This paper not only provides the key circRNA events for exploring the upstream mechanism of miRNA regulating gene expression but also provides an AOP framework for comprehensively demonstrating the toxicity mechanism of TCS on zebrafish, which is a theoretical basis for subsequent hazard assessment and prevention and control of TCS.