Correlation of serum cartilage oligometric matrix protein (COMP) and interleukin-16 (IL-16) levels with disease severity in primary knee osteoarthritis: A pilot study in a Malaysian population
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.
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to investigate the correlations between serum cartilage oligomeric matrix protein (COMP), interleukin-16 (IL-16) and different grades of knee osteoarthritis (KOA) in Malaysian subjects. METHODS: Ninety subjects were recruited comprising 30 with Kellgren-Lawrence (K-L) grade 2 KOA, 27 with K-L grade 3 KOA, 7 with grade 4 KOA, and 30 healthy controls. All subjects completed the Western Ontario and McMaster Universities Arthritis Index (WOMAC) questionnaire. Serum COMP and IL-16 levels were measured using ELISA and their values log transformed to ensure a normal distribution. RESULTS: There was no significant differences in levels of log serum COMP and IL-16 between healthy controls and KOA patients. There were no significant differences in the log serum COMP and IL-16 levels within the different K-L grades in the KOA patients. In KOA patients, log serum IL-16 levels significantly correlated with the WOMAC score (p = 0.001) and its subscales, pain (p = 0.005), stiffness (p = 0.019) and physical function (p<0.0001). Serum IL-16 levels were significantly higher in Malaysian Indians compared to Malays and Chinese (p = 0.024). CONCLUSIONS: In this multi-ethnic Malaysian population, there was no difference in serum COMP and IL-16 levels between healthy controls and patients with KOA, nor was there any difference in serum COMP or IL-16 levels across the various K-L grades of KOA. However, there were significant inter-racial differences in serum IL-16 levels.
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 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 | 0,001 | 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 découle