Cytokines and depression in cancer patients and caregivers
Notice bibliographique
Résumé
Objective: A better understanding of the biobehavioral mechanisms underlying depression in cancer is required to translate biomarker findings into clinical interventions. We tested for associations between cytokines and the somatic and psychological symptoms of depression in cancer patients and their healthy caregivers. Patients and methods: The GRID Hamilton Rating Scale for Depression (Ham-D) was administered to 61 cancer patients of mixed type and stage, 26 primary caregivers and 38 healthy controls. Concurrently, blood was drawn for multiplexed plasma assays of 15 cytokines. Multiple linear regression, adjusted for biobehavioral variables, identified cytokine associations with the psychological (Ham-Dep) and somatic (Ham-Som) subfactors of the Ham-D. Results: The Ham-Dep scores of cancer patients were similar to their caregivers, but their Ham-Som scores were significantly higher (twofold, p =0.016). Ham-Som was positively associated with IL-1ra (coefficient: 1.27, p ≤0.001) in cancer patients, and negatively associated with IL-2 (coefficient: -0.68, p =0.018) in caregivers. Ham-Dep was negatively associated with IL-4 (coefficient: -0.67, p =0.004) in cancer patients and negatively associated with IL-17 (coefficient: -1.81, p =0.002) in caregivers. Conclusion: The differential severity of somatic symptoms of depression in cancer patients and caregivers and the unique cytokine associations identified with each group suggests the potential for targeted interventions based on phenomenology and biology. The clinical implication is that depressive symptoms in cancer patients can arise from biological stressors, which is an important message to help destigmatize the development of depression in cancer patients. Keywords: depression, psychological symptoms, somatic symptoms, cytokines, cancer, caregiver
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) | 0,000 | 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 ».