Changes in Tear Cytokines Following a Short Period of Daily and Overnight Silicone Hydrogel Lens Wear
Notice bibliographique
Résumé
Background and Objective: To investigate changes in ocular surface inflammatory markers after daily and overnight silicone hydrogel contact lens wear in healthy wearers. Material and Methods: Twenty-six experienced soft contact lens subjects were evaluated at baseline, after 1-day of silicone hydrogel lens wear, and after 1-night of wear. Basal tears were collected at each visit and tear cytokine concentrations were quantified using multiplex [interleukin (IL)-1β, IL-6, IL-10, IL-12(p70), IL-17A and tumor necrosis factor (TNF)-α] or ELISA (IL-8) kits. A historical control group of 27 non-contact lens wearers was used to compare absolute concentrations and diurnal variations in tear cytokine concentrations. Changes in cytokine concentrations were analyzed using linear mixed models. Linear regression with bootstrapping was used to assess whether changes in IL-1β concentrations were associated with changes in other cytokines. Results: IL-8 concentrations decreased after 1 day of silicone hydrogel contact lens wear and returned to baseline levels the next morning (p=0.04). This same diurnal fluctuation was seen in non-contact lens wearers (p=0.03). With daily contact lens wear, there was a significant positive correlation between the changes in IL-1β and IL-8, TNF-α, IL-10 and IL-12(p70) (all p<0.03). With overnight contact lens wear, there were significant positive correlations between the changes in IL-1β and IL-6, IL-17A and TNF-α (all p<0.01). Conclusion: A short period of daily and overnight silicone hydrogel lens wear does not significantly alter the inflammatory status in adapted soft contact lens wearers.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».