MétaCan
Menu
Retour à la cohorte
Enregistrement W1740061842 · doi:10.25011/cim.v32i4.6621

Potential role of matrix metalloproteinase-2,-9 and tissue inhibitors of metalloproteinase-1,-2 in exudative pleural effusions

2009· article· en· W1740061842 sur OpenAlexvenueno aff
Sezai Vatansever, Remise Gelışgen, Hafize Uzun, Sibel Yurt, Filiz Koşar

Notice bibliographique

RevueClinical and investigative medicine · 2009
Typearticle
Langueen
DomaineMedicine
ThématiquePleural and Pulmonary Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMatrix metalloproteinaseMatrix metalloproteinase 9MetalloproteinaseMatrix Metalloproteinase 3MedicineTissue inhibitor of metalloproteinasePathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To investigate diagnostic values of pleural fluid matrix metalloproteinase-2 (MMP-2), MMP-9, tissue inhibitors of metalloproteinase-1 (TIMP-1) and TIMP-2 measurements in tuberculous pleurisy(TP) and malignat pleurisy (MP). METHODS: The study included 24 patients with TP, 22 patients with MP and 15 patients with pleural effusion of non-tuberculous and non-malignant origin as controls. MMP-2,-9 and TIMP-1,-2 levels in pleural fluid were measured by ELISA method. RESULTS: Pleural fluid MMP-2 and MMP-9 levels were higher (P < 0.001, P < 0.001, respectively) in TP than in MP and controls. MP patients have higher pleural fluid MMP-2 and MMP-9 levels (P < 0.01, P < 0.05, respectively) than controls. Pleural fluid TIMP-2 levels were higher (P < 0.01 and P < 0.001, respectively) in MP than in TP and controls. Pleural fluid MMP-9 levels were negatively correlated with pleural fluid TIMP-2 levels (r: 0.464, P=0.029) in patients with MP. CONCLUSIONS: Determination of TIMP-2 in pleural fluid may contribute to differentiate TP from MP. These results suggest that overproduction of MMP-9 and TIMP-2 is associated with accumulation of the pleural effusion in malignancy. Further studies with a greater number of patients are needed to confirm this hypothesis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,746
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,005
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,341
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical and investigative medicineMême sujetPleural and Pulmonary DiseasesTravaux en français237 207