Cytokine profiles in nasal fluid of patients with seasonal or persistent allergic rhinitis
Notice bibliographique
Résumé
BACKGROUND: New therapeutic approaches with biologic agents such as anti-cytokine antibodies are currently on trial for the treatment of asthma, rhinosinusitis or allergic diseases necessitating patient selection by biomarkers. Allergic rhinitis (AR), affecting about 20 % of the Canadian population, is an inflammatory disease characterised by a disequilibrium of T-lymphocytes and tissue eosinophilia. Aim of the present study was to describe distinct cytokine patterns in nasal secretion between seasonal and perennial AR (SAR/PAR), and healthy controls by comparing cytokines regulating T-cells or stimulating inflammatory cells, and chemokines. METHODS: Nasal secretions of 44 participants suffering from SAR, 45 participants with PAR and 48 healthy controls were gained using the cotton wool method, and analysed for IL-1β, IL-4, IL-5, IL-6, IL-10, IL-12, IL-13, IL-17, GM-CSF, G-CSF, IFN-γ, MCP-1, MIP-1α, MIP-1β, eotaxin, and RANTES by Bio-Plex Cytokine Assay as well as for ECP and tryptase by UniCAP-FEIA. RESULTS: Participants with SAR or PAR presented elevated levels of tryptase, ECP, MCP-1, and MIP-1β, while values of GM-CSF, G-CSF, IL-1β, and IL-6 did not differ from the controls. Increased levels of IL-5, eotaxin, MIP-1α, and IL-17 and decreased levels of IFN-γ, IL-12 and IL-10 were found in SAR only. RANTES was elevated in SAR in comparison to PAR. Interestingly, we found reduced levels of IL-4 in PAR and of IL-13 in SAR. CONCLUSIONS: Elevated levels of proinflammatory cytokines were seen in both disease entities. They were, however, more pronounced in SAR, indicating a higher degree of inflammation. This study suggests a downregulation of TH1 and Treg-lymphocytes and an upregulation of TH17 in SAR. Moreover, the results display a prominent role of eosinophils and mast cells in AR. The observed distinct cytokine profiles in nasal secretion may prove useful as a diagnostic tool helping to match patients to antibody therapies.
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) | 0,001 | 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 ».