The effect of smoking on chronic inflammation, immune function and blood cell composition
Notice bibliographique
Résumé
Abstract Smoking is the number one risk factor for cancer mortality but only 15–20% of heavy smokers develop lung cancer. It would, therefore, be of great benefit to identify those at high risk early on so that preventative measures can be initiated. To investigate this, we evaluated the effects of smoking on inflammatory markers, innate and adaptive immune responses to bacterial and viral challenges and blood cell composition. We found that plasma samples from 30 heavy smokers (16 men and 14 women) had significantly higher CRP, fibrinogen, IL-6 and CEA levels than 36 non-smoking controls. Whole blood samples from smokers, incubated for 7 h at 37 °C in the absence of any exogenous stimuli, secreted significantly higher levels of IL-8 and a number of other cytokines/chemokines than non-smokers. When challenged for 7 h with E. coli, whole blood samples from smokers secreted significantly lower levels of many inflammatory cytokines/chemokines. However, when stimulated with HSV-1, significantly higher levels of both PGE 2 and many cytokines/chemokines were secreted from smokers’ blood samples than from controls. In terms of blood cell composition, red blood cells, hematocrits, hemoglobin levels, MCV, MCH, MCHC, Pct and RDW levels were all elevated in smokers, in keeping with their compromised lung capacity. As well, total leukocytes were significantly higher, driven by increases in granulocytes and monocytes. In addition, smokers had lower NK cells and higher Tregs than controls, suggesting that smoking may reduce the ability to kill nascent tumor cells. Importantly, there was substantial person-to person variation amongst smokers with some showing markedly different values from controls and others showing normal levels of many parameters measured, indicating the former may be at significantly higher risk of developing lung cancer.
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 | 0,000 | 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) | 0,002 | 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 ».