Markers of Systemic Inflammation in Horses with Heaves
Notice bibliographique
Résumé
BACKGROUND: Systemic inflammation in horses with heaves is poorly characterized. OBJECTIVES: To assess acute phase proteins (APP) and inflammatory cytokine profiles in serum of healthy horses and horses with heaves. ANIMALS: Six healthy horses and 6 heaves-affected horses belonging to the University of Montreal. METHODS: Prospective, observational study. Healthy and heaves-affected control horses were exposed to a 30-day natural challenge with hay and straw to induce clinical exacerbation of heaves. Serum samples were obtained by venipuncture before (T0) as well as after 7 (T7) and 30 days (T30) of stabling. Serum APP (haptoglobin, serum amyloid A protein [SAA] and C-reactive protein [CRP]) and cytokines (IL-2, IL-4, IFN-α, IL-10, IFN-γ, and CCL-2) were measured using singleplex or multiplex ELISA. RESULTS: Serum haptoglobin concentrations were significantly higher in heaves-affected horses at all time points with no overlap with those of healthy controls. They were also significantly increased by antigen challenge in both controls (T7) and horses with heaves (T7 and T30). Serum SAA was detected more frequently in heaves-affected horses compared with healthy controls at T7. There was no difference in serum concentrations of CRP, IL-10, IFN-γ, and CCL-2 between groups, whereas IL-2, IL-4, and IFN-α remained undetectable in all samples. CONCLUSIONS AND CLINICAL IMPORTANCE: In heaves, haptoglobin is a marker of both acute and chronic systemic inflammation, whereas high concentrations of SAA indicate acute 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 | 0,001 | 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 ».