Platelet vesicles are potent inflammatory mediators in red blood cell products and washing reduces the inflammatory phenotype
Notice bibliographique
Résumé
BACKGROUND: Studies suggest that washing red cell concentrates (RCCs) to remove soluble mediators and/or inflammatory components, such as extracellular vesicles (EVs), may lead to better clinical outcomes. This study tested the hypothesis that non-red blood cell (RBC) generated vesicles in RCC are potent inflammatory mediators in vitro and washing RCCs can reduce these vesicles and subsequently decrease the inflammatory activity of RCCs. STUDY DESIGN AND METHODS: Sixteen RCCs were pooled and split into four groups based on pre-wash storage time (Day 2 or 14; n = 4/group). Each group was tested 24 hours and 7 days post-wash. Characteristics of RBCs and EVs, cytokines released by monocytes, and expression of human umbilical vein endothelial cells (HUVECs) adhesion molecules were assessed. RESULTS: All RCCs meet quality standards for hemolysis, hematocrit, and hemoglobin. Washing did not remove residual platelets from RCCs but led to a significant reduction in platelet-EV count regardless of the group. Supernatant of RCCs washed on Day 14 and stored for 24 hours had significantly lower concentrations of RBC-EVs and white blood cell EVs compared to unwashed controls. Supernatant of unwashed RCCs showed higher production of inflammatory cytokines/chemokines MCP-1, IL-8, and TNF-α, and heightened expression of HUVEC VCAM-1, which were significantly reduced by washing. Spiking washed RCC supernatants with platelet-EVs showed significant increase in IL-8, MCP-1, VCAM-1, and E-selection in groups washed on Day 14. CONCLUSIONS: Platelet-EVs in RCCs are associated with pro-inflammatory activity. As washing significantly reduced RCC immunomodulatory activity, implementation of this process may improve transfusion outcomes.
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) | 0,000 | 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) | 0,000 | 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 ».