Contra-Directional Expression of Plasma Superoxide Dismutase with Lipoprotein Cholesterol and High-Sensitivity C-reactive Protein as Important Markers of Parkinson’s Disease Severity
Notice bibliographique
Résumé
Aim: Oxidative stress and inflammation play critical roles in the neuropathogenesis of PD. We aimed to evaluate oxidative stress and inflammation status by measuring serum superoxide dismutase (SOD) with lipoprotein cholesterol and high-sensitivity C-reactive protein (hsCRP) respectively in PD patients, and explore their correlation with the disease severity. Methods: We performed a cross-sectional study that included 204 PD patients and 204 age-matched healthy controls (HC). Plasma levels of SOD, hsCRP, total cholesterol, high density lipoprotein cholesterol (HDL-C) and low density lipoprotein cholesterol (LDL-C) were measured. A series of neuropsychological assessments were performed to rate the severity of PD. Results: The plasma levels of SOD (135.7±20.14 vs. 147.2±24.34, P<0.0001), total cholesterol, HDL-C and LDL-C in PD were significantly lower than those in HCs; the hsCRP level was remarkably increased in PD compared to HC (2.766±3.242 vs. 1.637±1.597, P<0.0001). The plasma SOD was negatively correlated with the hsCRP, while positively correlated with total cholesterol, HDL-C and LDL-C in PD patients.The plasma SOD were negatively correlated with H&Y, total UPDRS, UPDRS(I), UPDRS(II), and UPDRS(III) scores, but positively correlated with MoCA and MMSE scores; Besides, hsCRP was negatively correlated with MoCA; while total cholesterol, HDL-C and LDL-C was positively correlated with the MoCA respectively. Conclusion: Our findings suggest that lower SOD along with cholesterol, HDL-C and LDL-C, and higher hsCRP levels might be important markers to assess the PD severity. A better understanding of SOD and hsCRP may yield insights into the pathogenesis of PD.
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 ».