Protective Effects of Fluoxetine on Decompression Sickness in Mice
Notice bibliographique
Résumé
Massive bubble formation after diving can lead to decompression sickness (DCS) that can result in central nervous system disorders or even death. Bubbles alter the vascular endothelium and activate blood cells and inflammatory pathways, leading to a systemic pathophysiological process that promotes ischemic damage. Fluoxetine, a well-known antidepressant, is recognized as having anti-inflammatory properties at the systemic level, as well as in the setting of cerebral ischemia. We report a beneficial clinical effect associated with fluoxetine in experimental DCS. 91 mice were subjected to a simulated dive at 90 msw for 45 min before rapid decompression. The experimental group received 50 mg/kg of fluoxetine 18 hours before hyperbaric exposure (n = 46) while controls were not treated (n = 45). Clinical assessment took place over a period of 30 min after surfacing. At the end, blood samples were collected for blood cells counts and cytokine IL-6 detection. There were significantly fewer manifestations of DCS in the fluoxetine group than in the controls (43.5% versus 75.5%, respectively; p = 0.004). Survivors showed a better and significant neurological recovery with fluoxetine. Platelets and red cells were significantly decreased after decompression in controls but not in the treated mice. Fluoxetine reduced circulating IL-6, a relevant marker of systemic inflammation in DCS. We concluded that fluoxetine decreased the incidence of DCS and improved motor recovery, by limiting inflammation processes.
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 ».