Dry Eye Disease and Tear Cytokine Levels—A Meta-Analysis
Notice bibliographique
Résumé
Background-It is recognized that inflammation is an underlying cause of dry eye disease (DED), with cytokine release involved. We systematically reviewed literature with meta-analyses to quantitatively summarize the levels of tear cytokines in DED. Methods-The PubMed, Embase, Web of Science, Ovid, Cochrane, and Scopus databases were reviewed until September 2019, and original articles investigating tear cytokines in DED patients were included. Differences of cytokines levels of DED patients and controls were summarized by standardized mean differences (SMD) using a random effects model. Study quality was assessed by applying Newcastle-Ottawa-Scale and the GRADE quality score. Methods of analytical procedures were included as covariate. Results-Thirteen articles investigating 342 DED patients and 205 healthy controls were included in the meta-analysis. The overall methodological quality of these studies was moderate. Systematic review of the selected articles revealed that DED patients had higher tear levels of interleukin (IL)-1β, IL-6, chemokine IL-8, IL-10, interferon-γ, IFN-γ, and tumor necrosis factor-α, TNF-α as compared to controls. Evidence was less strong for IL-2 and IL-17A. Conclusions-Data show that levels of tear cytokines in DED and control display a great variability, and further studies of higher quality enrolling a higher number of subjects are needed, to define a cut-off value.
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,039 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».