Mechanical ventilation modulates TLR4 and IRAK-3 in a non-infectious, ventilator-induced lung injury model
Notice bibliographique
Résumé
BACKGROUND: Previous experimental studies have shown that injurious mechanical ventilation has a direct effect on pulmonary and systemic immune responses. How these responses are propagated or attenuated is a matter of speculation. The goal of this study was to determine the contribution of mechanical ventilation in the regulation of Toll-like receptor (TLR) signaling and interleukin-1 receptor associated kinase-3 (IRAK-3) during experimental ventilator-induced lung injury. METHODS: Prospective, randomized, controlled animal study using male, healthy adults Sprague-Dawley rats weighing 300-350 g. Animals were anesthetized and randomized to spontaneous breathing and to two different mechanical ventilation strategies for 4 hours: high tidal volume (VT) (20 ml/kg) and low VT (6 ml/kg). Histological evaluation, TLR2, TLR4, IRAK3 gene expression, IRAK-3 protein levels, inhibitory kappa B alpha (IkappaBalpha), tumor necrosis factor-alpha (TNF-alpha) and interleukin-6 (IL6) gene expression in the lungs and TNF-alpha and IL-6 protein serum concentrations were analyzed. RESULTS: High VT mechanical ventilation for 4 hours was associated with a significant increase of TLR4 but not TLR2, a significant decrease of IRAK3 lung gene expression and protein levels, a significant decrease of IkappaBalpha, and a higher lung expression and serum concentrations of pro-inflammatory cytokines. CONCLUSIONS: The current study supports an interaction between TLR4 and IRAK-3 signaling pathway for the over-expression and release of pro-inflammatory cytokines during ventilator-induced lung injury. Our study also suggests that injurious mechanical ventilation may elicit an immune response that is similar to that observed during infections.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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 ».