Nasal nitric oxide as a marker of sinus mucosal health in patients with nasal polyposis
Notice bibliographique
Résumé
BACKGROUND: Reduced nasal nitric oxide (nNO) has been shown in patients with chronic rhinosinusitis (CRS) but its clinical significance remains uncertain. The objective of this study was to measure nNO changes in patients undergoing endoscopic sinus surgery (ESS) for CRS and to explore its relationship to clinical measures of sinus mucosal health postoperatively. METHODS: This was a prospective study of CRS patients undergoing ESS. Patients had the following measurements at baseline and at 1 and 6 months post-ESS: nNO levels, Lund-Kennedy Endoscopy Score (LKES), and 22-item Sino-Nasal Outcome Test (SNOT-22) score. Statistical analysis was performed using GraphPad Prism 6. RESULTS: Thirty-nine patients were enrolled, of these 84.6% had CRS with nasal polyps. Baseline Lund-Mackay computed tomography (CT) score was 16.9 ± 5.1. There was a statistically significant increase in nNO levels from baseline to 1 month and 6 months postoperatively (p < 0.0001). The SNOT-22 and LKES followed a similar trend with a significant and sustained improvement at 1 month and 6 months post-ESS (p < 0.0001). Subgroup analysis revealed that changes in nNO were driven by the polyp cohort because nonpolyp patients had no significant changes in their nNO postoperatively. No correlation was found between nNO levels and SNOT-22. However, a significant negative correlation was found between nNO and LKES (p < 0.0001), suggesting healthier sinus mucosa was associated with higher nNO levels. CONCLUSION: This is the first study to show that nNO levels may be a marker of sinus mucosal health following ESS in patients with polyps. This has important implications for nNO in its potential etiologic role in mediating ongoing sinus inflammation.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».