CIBERES-U. C. I.-COVID group2026-10-012026-10-012026-04-22CIBERES-U. C. I.-COVID group 2026, 'Key factors of the deranged antiviral response in elderly patients with COVID-19 : a machine-learning analysis', GeroScience. https://doi.org/10.1007/s11357-026-02212-z2509-2715https://hdl.handle.net/10641/8438Publisher Copyright: © The Author(s) 2026.La edad es un conocido factor de riesgo para desarrollar infecciones respiratorias virales graves, incluida la COVID-19 grave. Este estudio tuvo como objetivo identificar las alteraciones biológicas relacionadas con la enfermedad grave en pacientes de edad avanzada con COVID-19. Para ello, empleamos una cohorte de derivación con 450 pacientes infectados por SARS-CoV-2 y no vacunados ingresados en plantas hospitalarias, y una cohorte de validación con 244 pacientes infectados por SARS-CoV-2 y no vacunados ingresados en la Unidad de Cuidados Intensivos (UCI) hospitalaria. Se midieron veintiún biomarcadores en muestras de plasma de los pacientes al ingreso, incluyendo ARN de SARS-CoV-2, anticuerpos IgG y biomarcadores proteicos. Las cohortes de pacientes se dividieron en dos grupos según la edad: adultos (≤ 70 años) y pacientes de edad avanzada (> 70 años). En la cohorte de derivación, la tasa de mortalidad a 90 días observada en el grupo de adultos fue del 6,0%, mientras que en el grupo de edad avanzada aumentó al 31,6%; se observó la misma tendencia en la cohorte de validación, con tasas de mortalidad a 90 días del 11,2% frente al 40,3% para los grupos de adultos y de edad avanzada, respectivamente. Se utilizó el marco de aprendizaje automático XGBoost-SHAP, alimentado con la información de los biomarcadores plasmáticos, para perfilar una respuesta del huésped relacionada con la edad frente a la infección por SARS-CoV-2. Según el gráfico SHAP, los pacientes de edad avanzada presentaron un marcado perfil de respuesta trombo-inflamatoria (niveles plasmáticos significativamente elevados de: lipocalina-2, endotelina-1, dímero D) combinado con respuestas antivirales adaptativas y citotóxicas deficientes. El rendimiento del modelo evaluado con la cohorte de validación confirmó la solidez y generalización del modelo desarrollado (AUC = 0,710). En conclusión, el enfoque de aprendizaje automático que desarrollamos nos permitió identificar la presencia de una respuesta del huésped alterada en pacientes de edad avanzada con COVID-19, relacionada con un control viral deficiente y una mayor mortalidad. [Traducción automática al español; idioma original: inglés.]Age is a well-known risk factor to develop severe viral respiratory infections, including severe COVID-19. This study aimed to identify the biological alterations linked to severe disease in elderly patients with COVID-19. For this purpose, we employed a derivation cohort with 450 SARS-CoV-2 infected and unvaccinated patients admitted to hospital wards and a validation cohort with 244 SARS-CoV-2 infected and unvaccinated patients admitted to hospital Intensive Care Unit (ICU). Twenty-one biomarkers were measured in plasma samples from patients upon admission, including SARS-CoV-2 RNA, IgG antibodies, and protein biomarkers. Patient cohorts were divided into two groups based on age: adult (≤ 70 years old) and elderly (> 70 years old) patients. In the derivation cohort, 90-day mortality rate observed in the adult group was 6.0% whereas in the elderly group it rises to 31.6%, same trend was noticed regarding the validation cohort, with 11.2% versus 40.3% 90-day mortality rates for adult and elderly groups, respectively. The machine-learning framework XGBoost-SHAP, fed with the plasma biomarkers information, was used to profile an age-related host response to SARS-CoV-2 infection. Based on SHAP plot, elderly patients had a strong thrombo-inflammatory response profile (significantly elevated plasma levels of: lipocalin-2, endothelin-1, D-dimer) combined with deficient adaptive and cytotoxic antiviral responses. Model performance evaluated with the validation cohort confirmed the robustness and generalizability of the model developed (AUC = 0.710). In conclusion, the machine learning approach we built allowed us to identify the presence of a deranged host response in elderly patients with COVID-19 linked to poor viral control and increased mortality.233114622enghttp://creativecommons.org/licenses/by-nc-nd/4.0/Deranged responseElderlyMachine LearningSARS-CoV-2Viral loadAgingVeterinary (miscellaneous)Complementary and alternative medicineGeriatrics and GerontologyCardiology and Cardiovascular MedicineYesjournal articleopen access10.1007/s11357-026-02212-zhttps://www.scopus.com/pages/publications/105038653159https://www.scopus.com/pages/publications/105038653159#tab=citedBy