Changes in Aqueous Cytokine Levels Following Intravitreal Aflibercept in Treatment-Naive Patients with Diabetic Macular Edema
Notice bibliographique
Résumé
Purpose: To investigate the changes in aqueous humor cytokine levels in response to short-term aflibercept therapy in treatment-naive patients with center-involving diabetic macular edema (DME). Methods: This is a prospective cohort study that included patients with treatment-naive DME with central subfield macular thickness ≥310 μm on optical coherence tomography from July 2015 to May 2017. Patients received 3 monthly intravitreal aflibercept injections. Aqueous samples for cytokine analysis were obtained before the first and third injections. Levels of various cytokines were measured using multiplex immunoassay. Main outcome measures were changes in aqueous cytokine levels from baseline to month 2. Results: A total of 17 patients were enrolled and 16 completed the study. The mean age was 57.2 ± 8.1 years. The following cytokines were significantly higher at month 2 versus baseline: transforming growth factor-beta (TGF-β)1 ( P = 0.004), TGF-β2 ( P = 0.017), inducible protein (IP)-10 ( P = 0.011), and hepatocyte growth factor (HGF) ( P = 0.02). There were significant reductions in the levels of vascular endothelial growth factor (VEGF) ( P < 0.001), placental growth factor (PlGF) ( P = 0.028), interleukin (IL)-6 ( P = 0.011), and platelet-derived growth factor-AA (PDGF-AA) ( P = 0.003). Conclusions: In treatment-naive patients with DME, short-term aflibercept therapy not only results in VEGF and PlGF suppression, but also leads to reduced levels of IL-6 and PDGF-AA and higher concentrations of TGF-β1, TGF-β2, HGF, and IP-10.
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) | 0,001 | 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 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 ».