An Evaluation of SPARC Protein as a Serum Biomarker of Chronic Rhinosinusitis
Notice bibliographique
Résumé
OBJECTIVE: Precision medicine initiatives for chronic rhinosinusitis (CRS) management suggest tailoring treatment to the patient's individual disease profile; however, serum biomarkers for evaluation of disease activity or predicting response to therapy are lacking in CRS. Epithelial-to-mesenchymal transition (EMT) has been described as a component of barrier dysfunction in CRS. SPARC (secreted protein acidic and rich in cysteine) is a marker of EMT that has previously been identified in sinus epithelium by gene expression profiling. We wished to determine if SPARC could represent a serum biomarker for CRS by verifying (1) if SPARC could be detected in serum, (2) whether levels were sensitive to disease burden reduction following surgery, and (3) if it could predict response to therapy. STUDY DESIGN: Prospective. SETTING: Tertiary care center. SUBJECTS: Patients with CRS undergoing endoscopic sinus surgery (ESS). METHODS: Twenty-six patients undergoing ESS for CRS were prospectively recruited. Serum was collected at the time of surgery and 4 months following ESS and SPARC level measured using enzyme-linked immunosorbent assay. Postoperative outcome was characterized as "remission" or "unfavorable" based on symptomatology and endoscopy. RESULTS: SPARC could be detected and measured in serum in all subjects. Following ESS, SPARC levels decreased by 33% ( P = .005) but did not predict evolution at 4 months postsurgery ( P = .94). CONCLUSION: SPARC may be an interesting serum biomarker of disease activity in CRS, as it can be reliably measured and decreases following successful reduction of disease burden after surgery. However, it does not predict post-ESS evolution, suggesting that the link between EMT and outcome is not linear.
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 | 0,001 | 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) | 0,004 | 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 ».