MétaCan
Menu
Retour à la cohorte
Enregistrement W2165384819 · doi:10.1186/1476-9255-10-13

Treatment for sleep apnea by continuous positive airway pressure improves levels of inflammatory markers - a meta-analysis

2013· article· en· W2165384819 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Inflammation · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineContinuous positive airway pressureObstructive sleep apneaInternal medicineSleep apneaMeta-analysisGastroenterologyCardiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Obstructive sleep apnea (OSA) is associated with coronary artery disease (CAD). Intermittent hypoxia associated with OSA increases sympathetic activity and may cause systemic inflammation, which may contribute to CAD in patients with OSA. Treatment with continuous positive airway pressure (CPAP) has been shown to change levels of inflammatory markers. We analyzed data from published studies by a systematic meta-analysis. OBJECTIVE: To asses if treatment for sleep apnea by CPAP will affect levels of inflammatory markers. DATA RESOURCES: PubMed, Embase and Cochrane library. METHODS: Study eligibility criteria full text English studies of adult, human subjects, addressing values of at least one of the inflammatory markers before and after CPAP treatment. We used the definition of OSA as an apnea-hypopnea index (AHI) of ≥ 5/h, reported values in mean and standard deviation or median with range. PARTICIPANTS: Adult, human. INTERVENTIONS: CPAP treatment for OSA. STUDY APPRAISAL AND SYNTHESIS METHOD: A total of 3835 studies were reviewed for inclusion, while 23 studies pooled for analysis. A total of 14 studies with 771 patients were pooled for C-reactive protein (CRP); 9 studies with 209 patients were pooled for tumor necrosis factor-alpha (TNF-α); and 8 studies with 165 patients were pooled for interleukin-6 (IL-6). ENDPOINT DEFINITIONS: THE FOLLOWING INFLAMMATORY MARKERS WERE CHOSEN: CRP, TNF-α, and IL-6. RESULTS: C-reactive protein: Study level means ranged from 0.18 to 0.85 mg/dl before CPAP treatment and 0.10 to 0.72 mg/dl after CPAP treatment. Mean differences, at a study level, ranged from -0.05 to 0.50. The pooled mean difference was 0.14 [95% confidence interval 0.08 to 0.20, p < 0.00001]. There was heterogeneity in this endpoint (df = 13, p < 0.00001, I(2) = 95%). Tumor necrosis factor-α: Study level means ranged from 1.40 to 50.24 pg/ml before CPAP treatment and 1.80 to 28.63 pg/ml after CPAP treatment. Mean differences, at a study level, ranged from -1.23 to 21.61. The pooled mean difference was 1.14 [95% confidence interval 0.12 to 2.15, p = 0.03]. There was heterogeneity in this endpoint (df = 8, p < 0.00001, I2 = 89%). Interleukin-6: Study level means ranged from 1.2 to 131.66 pg/ml before CPAP treatment and 0.45 to 66.04 pg/ml after CPAP treatment. Mean differences, at a study level, ranged from -0.40 to 65.62. The pooled mean difference was 1.01 [95% confidence interval -0.00 to 2.03, p = 0.05]. There was heterogeneity in this endpoint (df = 7, p < 0.00001, I(2) = 95%). LIMITATIONS: Only published data. Studies pooled were mainly small, non-randomized trials. CONCLUSION: Sleep apnea treatment with CPAP improves levels of inflammatory markers.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,605

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,294
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle