IL-1β, IL-6, TNF- α and CRP in Elderly Patients with Depression or Alzheimer’s disease: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Abstract We carried out systematic review and meta-analysis to evaluate whether peripheral levels of pro-inflammatory markers including Interleukin-1 beta (IL-1β), Interleukin-6 (IL-6), Tumor Necrosis Factor-α (TNF- α) and C-Reactive Protein (CRP) are significantly higher in elderly with depression and Alzheimer’s disease. We searched Pubmed, PsycINFO and Embase, and thirty-four relevant studies (2609 with Depression, 1645 with Alzheimer’s disease and 14363 Controls) were included. Compared with controls, IL-1β (pooled standardized mean difference [SMD]: 0.642; 95% confidence interval [CI]: 0.078–1.206; significant heterogeneity: I 2 = 86.28%) and IL-6 (pooled SMD: 0.377; 95% CI: 0.156–0.598; significant heterogeneity: I 2 = 88.75%) were significantly elevated in depression. There was no difference in TNF-α (p = 0.351) and CRP (p = 0.05) between those with depression and controls. Compared with controls, IL-1β (pooled SMD: 1.37, 95% CI: 0.06–2.68, significant heterogeneity: I 2 = 96.01%) was significantly elevated in Alzheimer’s disease. There were no differences in IL-6 (p = 0.138), TNF-α (p = 0.451) and CRP (p = 0.07) between elderly with Alzheimer’s disease and controls. After Bonferroni adjustment, only IL-6 remained significantly higher in depression. Elderly with depression have higher IL-6 than controls, while those with Alzheimer’s disease did not have higher peripheral inflammatory markers.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,034 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».