The Elevated Serum Level of IFN-<i>γ</i> in Patients with Failed Back Surgery Syndrome Remains Unchanged after Spinal Cord Stimulation
Notice bibliographique
Résumé
Objectives. We investigated the influence of spinal cord stimulation (SCS) on IFN-γ, IL-1β, IL-6, TNF-α, IL-10, and TGF-β serum levels in failed back surgery syndrome (FBSS) patients. The study will try to give new insights into the mechanism of SCS action and the role of IFN-γ and other cytokines in neuropathic pain (NP) development. Materials and Methods. Clinical and biochemical assessment was conducted in four groups of patients: group 0 consisted of 24 FBSS patients qualified to SCS therapy, group 1 included 17 patients who were one month after implantation, group 2 featured 12 patients who were 3 months after the implantation, and group C (the control group) with no NP. Clinical status was assessed with the use of Numeric Rating Scale (NRS), the Pain Rating Index of McGill Pain Questionnaire (SF-MPQ), the Oswestry Disability Index (ODI), and Beck Depression Inventory (BDI). The plasma concentrations of IFN-γ were ascertained by an immunoenzymatic method. Results. We found a significant difference between the patients before SCS and controls’ serum level of IFN-γ. Similarly, a significantly higher level of TNF-α and significantly lower level of IL-10 in FBSS patients than controls were observed. The significant differences were not observed between SCS patients 3 months after the procedure and controls’ serum level of IFN-γ and other cytokines. We noticed a positive correlation between IFN-γ concentration with NRS back value before SCS and positive correlation between IFN-γ concentration after SCS with NRS leg value before SCS. Higher IFN-γ concentrations accompanied higher NRS values. Levels of TGF-β and IL-10 may correlate with physical ability and depressive behavior. Conclusions. SCS did not influence serum cytokine levels significantly. Serum concentration of IFN-γ may be recognized as an occasional pain factor because of its significantly higher level in FBSS patients versus controls and higher IFN-γ value accompanying higher pain intensity.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».