The Plasminogen System and Transforming Growth Factor-β in Subjects With Obstructive Sleep Apnea Syndrome: Effects of CPAP Treatment
Notice bibliographique
Résumé
BACKGROUND: Obstructive sleep apnea syndrome (OSAS) has emerged as a risk factor for cardiovascular disease. A prothrombotic state may affect coagulation and participate in the atherosclerotic process in subjects with OSAS. These alterations in coagulation seem to involve the plasminogen activation system. We evaluated the imbalances of the plasminogen activation system related to OSAS, and we assessed the effects of CPAP on the plasminogen activation system. METHODS: Thirty-nine subjects were submitted to a home-based cardiorespiratory sleep study, and 14 healthy subjects (apnea-hypopnea index < 5) were used as controls. Serum levels of urokinase-type plasminogen activator (uPA), tissue-type plasminogen activator (tPA), plasminogen activator inhibitor-1 (PAI-1), and active transforming growth factor-β (TGF-β) were measured. These molecules were reassessed in only 17 of the subjects after 1 month of CPAP. RESULTS: PAI-1 and tPA were significantly higher in the subjects with OSAS compared with the controls, whereas TGF-β and uPA levels were lower. PAI-1 showed a significant positive correlation with the apnea-hypopnea index, percentage of time spent at O2 saturation < 90%, and oxygen desaturation index, whereas TGF-β was inversely related to all 3 of these parameters. After the CPAP therapy, PAI-1 significantly decreased, whereas TGF-β showed a significant increase, although the values did not reach those of the controls. uPA and tPA did not show significant differences after the treatment. CONCLUSIONS: Our results suggest an imbalance of fibrinolysis related to OSAS and an improvement of the prothrombotic state after the CPAP treatment.
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 | 0,000 | 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 ».