Cytokine expression profiles of immune imbalance in post-mononucleosis chronic fatigue
Notice bibliographique
Résumé
BACKGROUND: As Chronic Fatigue Syndrome (CFS) has been known to follow Epstein-Bar virus (EBV) and other systemic infections; our objective was to describe differences in immune activation in post-infective CFS (PI-CFS) patients and recovered controls. We studied 301 adolescents prospectively over 24 months following the diagnosis of monospot-positive infectious mononucleosis (IM). We found an incidence of CFS at 6, 12 and 24 months of 13%, 7% and 4% respectively. METHODS: Using chemiluminescent imaging we measured the concentrations of IL-1a, 1b, 2, 4, 5, 6, 8, 10, 12 (p70), 13, 15, 17 and 23, IFN-γ, TNF-α and TNF-β in duplicate plasma samples available in bio-bank from 9 PI-CFS subjects and 12 recovered controls at 24 months post-infection. RESULTS: Standard comparative analysis indicated significant differences in IL-8 and 23 across subject groups. In constructing a linear classification model IL-6, 8 and 23 were selected by two different statistical approaches as discriminating features, with IL-1a, IL-2 and IFN-γ also selected in one model or the other. This supported an assignment accuracy of better than 80% at a confidence level of 0.95 into PI-CFS versus recovered controls. CONCLUSION: These results suggest that co-expression patterns in as few as 5 cytokines associated with Th17 function may hold promise as a tool for the diagnosis of post-infectious CFS.
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 | 0,000 |
| 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) | 0,001 | 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 ».