Additives in intravenous anesthesia modulates pulmonary inflammation in a model of LPS‐induced respiratory distress
Notice bibliographique
Résumé
BACKGROUND: It has been suggested that propofol with ethylenediaminetetraacetic acid (EDTA) can modulate the systemic inflammatory response. Prolonged higher levels of pulmonary inflammation are associated with poor outcome of patients with acute lung injury. In the present study, we hypothesized that pulmonary inflammation could be modulated by propofol with EDTA compared with propofol with sulfite. METHODS: Respiratory distress was induced in rats (n=25) by intratracheal nebulization of lipopolysaccharide (LPS). After 24 h, animals were randomized to either propofol with EDTA (Propofol(EDTA)), propofol with sulfite (Propofol(sulfite)) or ketamine/midazolam (Ket/Mid); control animals received saline (n=30). Animals were ventilated for 4 h and blood gases were measured hourly. Bronchoalveolar lavage (BAL) was performed for cytokine analysis of: tumor necrosis factor (TNF), interleukin (IL)-6 and macrophage inflammatory protein (MIP)-2. RESULTS: LPS led to increased pulmonary inflammation in all groups compared with the control groups. Gas exchange deteriorated over time only in the LPS Propofol(sulfite) group and was significantly lower than the Ket/Mid group. Only IL-6 was significantly higher in the LPS Propofol(sulfite) group compared with both the Ket/Mid group and the Propofol(EDTA) group. CONCLUSION: Pulmonary IL-6 can be modulated by additives in systemic anesthesia. IMPLICATION STATEMENT: This study demonstrates that pulmonary inflammation caused by direct lung injury can be modulated by intravenous anesthesia used in critically ill patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».