Serum cytokine and chemokine levels in patients with eosinophilic granulomatosis with polyangiitis, hypereosinophilic syndrome, or eosinophilic asthma.
Notice bibliographique
Résumé
OBJECTIVES: The pathogenesis of eosinophilic granulomatosis with polyangiitis (EGPA) remains poorly understood, and may overlap with eosinophilic asthma and primary hypereosinophilic syndrome (HES). The aim of this study was to analyse a panel of serum cytokines and chemokines as markers of disease activity in patients with these conditions. METHODS: The levels of 54 cytokines and chemokines were measured in the sera of 40 patients with active EGPA, 10 of these patients during inactive disease, 6 patients with HES, 8 with asthma, and 10 healthy controls. Serum cytokine/chemokines measured included interleukin (IL)-1α, 1β, 3, 4, 5, 6, 8, 13, 15, 17A, 17E(25), 18, 23 and 33, soluble IL-2 receptor alpha, eotaxin-1 (CCL11), -2 (CCL24) and -3 (CCL26), macrophage-derived chemokine (MDC/CCL22), macrophage inflammatory protein (MIP)-1a and -1b, and tumour necrosis factor (TNF)-α. Results were compared between disease and control groups using regression analysis, with Bonferroni correction for multiple comparisons (significant p value ≤0.00093). RESULTS: Significant differences were observed only in serum levels of MDC, IL-8, MIP-1a and -1b, TNF-α, each of which were lower in patients with active EGPA than in healthy controls (p<0.0001). Differences between patients with active disease and other disease groups did not reach significance. Paired comparisons between sera from patients with active or inactive EGPA showed no significant difference for any of the studied cytokines or chemokines. CONCLUSIONS: No clear difference in the serum levels of measured cytokines and chemokines helped distinguish between active EGPA or inactive EGPA, or other disease or control groups.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».