Effects of presurgical exercise training on systemic inflammatory markers among patients with malignant lung lesions
Notice bibliographique
Résumé
Systemic inflammation plays an important role in the initiation, promotion, and progression of lung carcinogenesis. The effects of interventions to lower inflammation have not been explored. Accordingly, we conducted a pilot study to explore the effects of exercise training on changes in biomarkers of systemic inflammation among patients with malignant lung lesions. Using a single-group design, 12 patients with suspected operable lung cancer were provided with structured exercise training until surgical resection. Participants underwent cardiopulmonary exercise testing, 6 min walk testing, pulmonary function testing, and blood collection at baseline and immediately prior to surgical resection. Systemic inflammatory markers included intracellular adhesion molecule (ICAM)-1, macrophage inflammatory protein-1alpha, interleukin (IL)-6, IL-8, monocyte chemotactic protein-1, C-reactive protein, and tumor necrosis factor-alpha. The overall exercise adherence rate was 78%, with patients completing a mean of 30 +/- 25 sessions. Mean peak oxygen consumption increased 2.9 mL.kg-1.min-1 from baseline to presurgery (p = 0.016). Results indicate that exercise training resulted in a significant reduction in ICAM-1 (p = 0.041). Changes in other inflammatory markers did not reach statistical significance. Change in cardiorespiratory fitness was not associated with change in systemic inflammatory markers. This exploratory study provides an initial step for future studies to elucidate the potential role of exercise, as well as identify the underlying mechanisms of action, as a means of modulating the relationship between inflammation and cancer pathogenesis.
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) | 0,001 | 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 ».