Circulating biomarkers in acute myofascial pain
Notice bibliographique
Résumé
The aims of the present study were to compare levels of circulating inflammatory biomarkers and growth factors between patients with myofascial pain syndrome (MPS) and healthy control participants, and to assess the relationship among inflammatory markers and growth factors in the two groups.Biomarkers levels were assessed in patients (n = 37) with myofascial pain complaints recruited from the hospital emergency department and non-MPS controls (n = 21), recruited via advertisements in the hospital and community.Blood levels of the cytokines, namely, interleukin-6 (IL-6), tumor necrosis factor (TNF), and interleukin-12 (IL-12), and the chemokine, namely, monocyte chemoattractant protein-1 (MCP-1), macrophage-derived chemokine (MDC), eotaxin, granulocyte-macrophage colony-stimulating factor (GM-CSF), interleukin-8 (IL-8), and macrophage inflammatory proteins-1β (MIP-1β) were significantly higher in patients with MPS than controls. The results of the growth factor analyses revealed significantly higher levels of fibroblast growth factor-2 (FGF-2), platelet-derived growth factor (PDGF), and vascular endothelial growth factor (VEGF) in MPS patients versus controls. The pattern of correlation coefficients between cytokines and growth factors differed considerably for MPS patients and controls with far fewer significant positive coefficients observed in the controls. Serum inflammatory and growth factor biomarkers were elevated in MPS patients.Inflammatory biomarkers and growth factor levels may play an important role in the onset and maintenance of MPS and therefore may be useful in the diagnosis and treatment of MPS. Understanding the mechanisms of inflammation in MPS necessitates future research.
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 | 0,001 | 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) | 0,000 | 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 ».