Markers of Inflammation and Fibrosis in Alcoholic Hepatitis and Viral Hepatitis C
Notice bibliographique
Résumé
High levels of profibrinogenic cytokine transforming factor beta (TGF-β), metalloprotease (MMP2), and tissue inhibitor of matrix metalloprotease 1 (TIMP1) contribute to fibrogenesis in hepatitis C virus (HCV) infection and in alcohol-induced liver disease (ALD). The aim of our study was to correlate noninvasive serum markers in ALD and HCV patients with various degrees of inflammation and fibrosis in their biopsies. Methods. Serum cytokines levels in HCV-infected individuals in the presence or absence of ALD were measured. Student's-t-test with Bonferroni correction determined the significance between the groups. Results. Both tumor-necrosis-factor- (TNF)-α and TGF-β levels increased significantly with the severity of inflammation and fibrosis. TGF-β levels increased significantly in ALD patients versus the HCV patients. Proinflammatory cytokines' responses to viral and/or toxic injury differed with the severity of liver inflammation. A combination of these markers was useful in predicting and diagnosing the stages of inflammation and fibrosis in HCV and ALD. Conclusion. Therapeutic monitoring of TGF-β and metalloproteases provides important insights into fibrosis.
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 ».