Humor in systemic lupus erythematosus
Notice bibliographique
Résumé
OBJECTIVE: Humor has neurophysiological effects influencing the release of cortisol, which may have a direct impact on the immune system. Laughter is associated with a decreased production of inflammatory cytokines both in the general population and in rheumatoid arthritis (RA). Our objective was to explore the effects of humor on serum cytokines [particularly interleukin-6 (IL-6)] and cortisol levels in systemic lupus erythematosus (SLE), after a standard intervention (120 min of visual comedy). MATERIAL AND METHODS: We enrolled 58 females with SLE from consecutive patients assessed in the Montreal General Hospital lupus clinic. The subjects who consented to participate were randomized in a 1:1 ratio to the intervention (watching 120 min of comedy) or control group (watching a 120 min documentary). Measurements of cytokine and serum cortisol levels as well as 24-h urine cortisol were taken before, during, and after the interventions. We compared serum cytokine levels and serum and 24-h urine cortisol levels in the humor and control groups and performed regression analyses of these outcomes, adjusting for demographics and the current use of prednisone. RESULTS: There were no significant differences between the control and humor groups in demographics or clinical variables. Baseline serum levels of IL-6, IL-10, tumor necrosis factor-alpha, and B-cell activating factor were also similar in both groups. There was no evidence of a humor effect in terms of decreasing cytokine levels, although there was some suggestion of lowered cortisol secretion in the humor group based the 24-h urinary cortisol levels in a subgroup. CONCLUSION: In contrast to what has been published for RA, we saw no clear effects of humor in altering cytokine levels in SLE, although interesting trends were seen for lower cortisol levels after humor intervention compared with the control group.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».