Elevated levels of interleukin-1β, interleukin-6, tumor necrosis factor-α and vascular endothelial growth factor in patients with knee articular cartilage injury
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Inflammatory cytokines play a vital role in the occurrence of osteoarticular injury and inflammation. Whether inflammation-associated factors interleukin-1β (IL-1β), IL-6, tumor necrosis factor-α (TNF-α) and vascular endothelial growth factor (VEGF) are involved in the pathogenesis of keen articular cartilage injury remains poorly understood. AIM: To measure the levels of inflammatory factors [IL-1β, IL-6, TNF-α and VEGF] in patients with knee articular cartilage injury. METHODS: = 16)] according to disease severity and X-ray examinations. Meanwhile, 30 healthy individuals who underwent physical examination were selected as the control group. The levels of IL-1β, IL-6, TNF-α and VEGF were measured by ELISA and immunohistochemical staining. RESULTS: < 0.05). After treatment, the scores of visual analogue scale and the Western Ontario and McMaster University of Orthopaedic Index in patient groups were 2.26 ± 1.13 and 15.56 ± 7.12 points, respectively, which were significantly lower than those before treatment (6.98 ± 1.32 and 49.48 ± 8.96). Correlation analysis suggested that IL-1β and TNF-α were positively correlated with VEGF. CONCLUSION: IL-1β, IL-6, TNF-α and VEGF levels are increased in patients with knee articular cartilage injury, and are associated with the disease severity, indicating they might play an important role in the occurrence and development of knee articular cartilage injury. Furthermore, therapeutically targeting them might be a novel approach for the treatment of keen articular cartilage injury.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle