Cytokine patterns in nasal secretion of non-atopic patients distinguish between chronic rhinosinusitis with or without nasal polys
Notice bibliographique
Résumé
BACKGROUND: Being one of the most common nasal diseases, chronic rhinosinusitis (CRS) is subdivided into CRS with nasal polyps (NP) and CRS without nasal polyps (CRSsNP). CRSsNP presents itself with a TH1 milieu and neutrophil infiltration, while NP is characterised by a mixed TH1/TH2 profile and an influx of predominantly eosinophils, plasma cells and mast cells. For the purpose of discovering disease-specific cytokine profiles, the present study compares levels of mediators and cytokines in nasal secretions between CRSsNP, NP, and healthy controls. METHODS: The study included 45 participants suffering from NP, 48 suffering from CRSsNP and 48 healthy controls. Allergic rhinitis constituted an exclusion criterion. Nasal secretions, sampled using the cotton wool method, were analysed for IL-4, IL-5, IL-10, IL-12, IL-13, IL-17, IL-8, GM-CSF, G-CSF, IFN-γ, MCP-1, MIP-1α, MIP-1β, eotaxin, and RANTES, and for ECP and tryptase, using Bio-Plex Cytokine assay or ELISA, respectively. RESULTS: Elevated levels of IL-5, IL-17, G-CSF, MCP-1, MIP-1α, MIP-1β, ECP, and tryptase, as well as decreased levels of IL-10, IL-12, IL-13, and IFN-γ were detected in NP. CRSsNP presented increased levels of RANTES and MIP-1β while IL-13 was decreased. No differences between the three groups were found for IL-4, IL-8, GM-CSF, and eotaxin. CONCLUSIONS: The present work suggests a disequilibrium of TH1 and TH2, together with a down-regulation of regulatory T lymphocytes and up-regulated TH17 in NP. Moreover, elevated levels of diverse mediators represent the activation of various inflammatory cells in this disease entity. The inflammation in CRSsNP, however, is only weakly depicted in nasal secretions. Therefore, cytokines in nasal secretions may provide helpful information for differential diagnosis.
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 | 0,000 |
| 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) | 0,000 | 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 ».