Effects of nonsteroidal anti-inflammatory drugs on serum proinflammatory cytokines in the treatment of ankylosing spondylitis
Notice bibliographique
Résumé
OBJECTIVE: This study was conducted to investigate the correlation between serum levels of proinflammatory cytokines and the clinical efficacy of nonsteroidal anti-inflammatory drugs (NSAIDs) in patients with ankylosing spondylitis (AS). METHODS: A total of 148 patients with AS were selected and received NSAID treatment. ELISA was used to assess cytokine levels, and patients were assigned into the following groups: positively effective; effective; moderately effective; and ineffective. Spearman and Pearson correlation analyses were used for correlation analysis. RESULTS: The erythrocyte sedimentation rates (ESR), C-reactive protein (CRP) levels, and immunoglobulin A (IgA) levels of the case group after NSAID treatment were markedly lower than those before NSAID treatment. After treatment, the levels of interleukin (IL)-6, IL-17, and tumor necrosis factor (TNF)-α were markedly reduced, while IL-10 levels increased in the positively effective, effective, and moderately effective groups, and IL-12 levels decreased in the positively effective and effective groups. In addition, the levels of IL-6 and TNF-α were correlated with a greater number in the efficacy indexes and clinical parameters, followed by IL-10 levels, while the levels of IL-17 and IL-12 had relatively weaker correlations with these indexes and parameters. CONCLUSION: NSAIDs could promote the clinical efficacy of treatment for ankylosing spondylitis by regulating serum levels of proinflammatory cytokines.
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 ».