MétaCan
Menu
Retour à la cohorte
Enregistrement W1982808406 · doi:10.1097/aln.0000000000000605

Mechanical Ventilation Induces Neutrophil Extracellular Trap Formation

2015· article· en· W1982808406 sur OpenAlexafffund
Christopher Yildiz, Nades Palaniyar, Gail Otulakowski, Meraj A. Khan, Martin Post, Wolfgang M. Kuebler, Keith Tanswell, Rosetta Belcastro, Azhar Masood, Doreen Engelberts, Brian P. Kavanagh

Notice bibliographique

RevueAnesthesiology · 2015
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueNeutrophil, Myeloperoxidase and Oxidative Mechanisms
Établissements canadiensHospital for Sick ChildrenOntario Institute for Cancer Research
Organismes subventionnairesCanadian Institutes of Health ResearchCystic Fibrosis Canada
Mots-clésNeutrophil extracellular trapsBronchoalveolar lavageMedicineProinflammatory cytokineLipopolysaccharideMechanical ventilationImmunologyInflammationTidal volumeLungInternal medicineRespiratory system

Résumé

récupéré en direct d'OpenAlex

AbstractAbstract By creating lung injury in mice using intratracheal lipopolysaccharide and mechanical ventilation, the authors documented that neutrophil extracellular traps were formed when lipopolysaccharide was present during high tidal ventilation and could be treated with deoxyribonuclease I. The treatment cleared the neutrophil extracellular traps and improved lung mechanics, but other measures of lung injury (including increased neutrophil count, increased protein content in lavage fluid, and low oxygenation) persisted, documenting a limited role for the neutrophil extracellular traps in this form of lung injury. Supplemental Digital Content is available in the text. Background: Mechanical ventilation can injure the lung and induce a proinflammatory state; such ventilator-induced lung injury (VILI) is associated with neutrophil influx. Neutrophils release DNA and granular proteins as cytotoxic neutrophil extracellular traps (NETs). The authors hypothesized that NETs were produced in a VILI model and may contribute to injury. Methods: In a two-hit lipopolysaccharide/VILI mouse model with and without intratracheal deoxyribonuclease (DNase) treatment or blockade of known inducers of NET formation (NETosis), the authors assessed compliance, bronchoalveolar lavage fluid protein, markers of NETs (citrullinated histone-3 and DNA), and markers of inflammation. Results: Although lipopolysaccharide recruited neutrophils to airways, the addition of high tidal mechanical ventilation was required for significant induction of NETs markers ( e.g. , bronchoalveolar lavage fluid DNA: 0.4 ± 0.07 µg/ml [mean ± SEM], P < 0.05 vs. all others, n = 10 per group). High tidal volume mechanical ventilation increased airway high-mobility group box 1 protein (0.91 ± 0.138 vs. 0.60 ± 0.095) and interleukin-1β in lipopolysaccharide-treated mice (22.4 ± 0.87 vs. 17.0 ± 0.50 pg/ml, P < 0.001) and tended to increase monocyte chemoattractant protein-1 and interleukin-6. Intratracheal DNase treatment reduced NET markers (bronchoalveolar lavage fluid DNA: 0.23 ± 0.038 vs. 0.88 ± 0.135 µg/ml, P < 0.001; citrullinated histone-3: 443 ± 170 vs. 1,824 ± 403, P < 0.01, n = 8 to 10) and attenuated the loss of static compliance (0.9 ± 0.14 vs. 1.58 ± 0.17 ml/mmHg, P < 0.01, n = 19 to 20) without significantly impacting other measures of injury. Blockade of high-mobility group box 1 (with glycyrrhizin) or interleukin-1β (with anakinra) did not prevent NETosis or protect against injury. Conclusions: NETosis was induced in VILI, and DNase treatment eliminated NETs. In contrast to experimental transfusion-related acute lung injury, NETs do not play a major pathogenic role in the current model of VILI.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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 Opus0,046
Tête enseignante GPT0,251
Écart entre enseignants0,206 · 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'étudeExpérimental (laboratoire)
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

Citations100
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnesthesiologyMême sujetNeutrophil, Myeloperoxidase and Oxidative MechanismsTravaux en français237 207