Inflammation and oxidant-stress in -thalassemia patients treated with iron chelators deferasirox (ICL670) or deferoxamine: an ancillary study of the Novartis CICL670A0107 trial
Notice bibliographique
Résumé
BACKGROUND: We assessed whether oxidant-stress and inflammation in beta-thalassemia could be controlled by the novel oral iron chelator deferasirox as effectively as by deferoxamine. DESIGN AND METHODS: Forty-nine subjects were enrolled from seven sites and studied at baseline, and after 1, 6, and 12 months of therapy. Malondialdehyde, protein carbonyls, vitamins E and C, total non-transferrin bound iron, transferrin saturation, C-reactive protein, cytokines, serum ferritin concentration and liver iron concentration were measured. RESULTS: Liver iron concentration and ferritin declined significantly in both treatment groups during the study. This paralleled a significant decline in the oxidative-stress marker malondialdehyde (deferasirox -22%/year, deferoxamine -28%/year, average decline p=0.006). The rates of decline did not differ between treatment groups. Malondialdehyde was higher in both treatment groups than in a group of 30 non-thalassemic controls (p < 0.001). The inflammatory marker high-sensitivity C-reactive protein decreased significantly only in the group receiving deferasirox (deferasirox -51%/year, deferoxamine +8.5%/year, p = 0.02). This result was confounded by a chance difference in the level of high-sensitivity C-reactive protein between the two groups at baseline, but analyses controlling for this difference suggested an equally large treatment effect. CONCLUSIONS: Iron chelation therapy with deferoxamine or with deferasirox was equally effective in decreasing iron burden and malondialdehyde. The possible differential effect of the two chelators on inflammation warrants further investigation.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».