Cytokine concentrations in saliva vs. plasma at rest and in response to intense exercise in adolescent athletes
Notice bibliographique
Résumé
Background Salivary measures are advantageous in conducting large paediatric studies involving repeated measures. However, research measuring salivary cytokines in youth is limited.Aim Compare salivary with plasma concentrations of inflammatory cytokines at rest and following exercise in adolescent swimmers (21 male, 22 female).Methods Following collection of resting saliva and blood samples, participants performed a bout of high-intensity interval swimming, with samples taken again ∼15 min post-swimming and analysed for interleukin-6 (IL-6), interleukin 10 (IL-10), and tumour necrosis factor-alpha (TNF-α).Results Resting IL-10 was significantly lower, while IL-6 and TNF-α were significantly higher in saliva compared with plasma. IL-10 increased from pre- to post-swimming in plasma, but less so in saliva (51% vs. 29%; p = 0.02). TNF-α decreased post-swimming in saliva, but not in plasma (–27% vs −1%; p = 0.01). IL-6 decreased post-swimming in saliva compared with plasma (–21% vs. −3%; p = 0.06). Intraclass correlation coefficients (ICC) revealed no association between salivary and plasma IL-6 and TNF-α, while IL-10 showed a weak correlation only at rest (ICC = 0.39; p = 0.05).Conclusions Differences in concentrations and exercise responses, along with weak correlations, suggest that salivary cytokine levels are not an accurate representation of blood cytokine levels, and should not be used as a surrogate measure in paediatric studies.
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 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».