Level-specific differences in systemic expression of pro- and anti-inflammatory cytokines and chemokines after spinal cord injury
Notice bibliographique
Résumé
While over half of all spinal cord injuries (SCIs) occur in the cervical region, the majority of preclinical studies have focused on models of thoracic injury. However, these two levels are anatomically distinct—with the cervical region possessing a greater vascular supply, grey-white matter ratio and sympathetic outflow relative to the thoracic region. As such, there exists a significant knowledge gap in the secondary pathology at these levels following SCI. In this study, we characterized the systemic plasma markers of inflammation over time (1, 3, 7, 14, 56 days post-SCI) after moderate-severe, clip-compression cervical and thoracic SCI in the rat. Using high-throughput ELISA panels, we observed a clear level-specific difference in plasma levels of VEGF, leptin, IP10, IL18, GCSF, and fractalkine. Overall, cervical SCI had reduced expressions of both pro- and anti-inflammatory proteins relative to thoracic SCI, likely due to sympathetic dysregulation associated with higher level SCIs. However, contrary to the literature, we did not observe level-dependent splenic atrophy with our incomplete SCI model. This is the first study to compare the systemic plasma-level changes following cervical and thoracic SCI using level-matched and time-matched controls. The results of this study provide the first evidence in support of level-targeted intervention and also challenge the phenomenon of high SCI-induced splenic atrophy in incomplete SCI models.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».