Hyaluronic Acid Concentration in Pleural Fluid: Diagnostic Aid for Tuberculous Pleurisy
Notice bibliographique
Résumé
BACKGROUND: A high concentration of hyaluronic acid in pleural fluid is suggestive of malignant mesothelioma. However, a relatively high concentration of hyaluronic acid was also seen in the pleural fluid of patients with benign inflammatory diseases. To show the utility of measuring hyaluronic acid levels in pleural fluid to diagnose tuberculous pleurisy, we compared the clinical features and levels of hyaluronic acid in the pleural fluid of patients with and without tuberculous pleurisy. METHODS: We enrolled 27 patients with infective pleurisy admitted at Teikyo University Hospital from January 2010 to December 2013. Ten patients were diagnosed with tuberculous pleurisy, and 17 with non-tuberculous pleurisy. We reviewed the clinical features and data of all 27 patients and compared the two groups. We analyzed and compared the concentration of hyaluronic acid and adenosine deaminase in their pleural fluid. RESULTS: Patients with tuberculous pleurisy tended to have significantly higher concentrations of hyaluronic acid and adenosine deaminase in their pleural fluid (tuberculous pleurisy patients vs. other infective pleurisy patients: hyaluronic acid (× 10(3) ng/mL); 42.9 ± 23.3 vs. 16.8 ± 17.9, P = 0.003, adenosine deaminase (IU/L); 89.7 ± 33.3 vs. 74.0 ± 90.9, P = 0.032). Receiver operating characteristic analysis revealed no significant difference in the area under the curve of hyaluronic acid and adenosine deaminase volumes in pleural fluid, suggesting their equivalent value as major diagnostic tools for tuberculosis pleurisy. CONCLUSIONS: Hyaluronic acid concentration in pleural fluid can be a valuable tool for the diagnosis of tuberculous pleurisy.
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 | 0,009 | 0,069 |
| 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 | 0,001 |
| 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 ».