Tropomyosin receptor kinase B-mediated signaling in integration of neuropathic pain and obesity in diabetic polyneuropathy
Notice bibliographique
Résumé
OBJECTIVE: To assess the quantitative serum levels of tropomyosin receptor kinase receptor B, and to estimate its association with serum concentration of brain-derived neurotrophic factor and obesity in patients with painful and painless forms of diabetic polyneuropathy. METHODS: We examined 70 patients with diabetic polyneuropathy with confirming peripheral nerve dysfunction by electroneuromyography and measuring of serum levels tropomyosin receptor kinase receptor B and brain-derived neurotrophic factor by enzyme immunoassay. Diabetic polyneuropathy was diagnosed using the modified Toronto Consensus (2011) criteria, while neuropathic pain was assessed using an 11-point Numerical Pain Rating Scale. The patients were divided into two groups according to presence or absence of neuropathic pain. Control Group consisted of 14 healthy persons. RESULTS: The serum levels of tropomyosin receptor kinase receptor B and brain-derived neurotrophic factor in patients with diabetic polyneuropathy are significantly higher than healthy controls (p=0.000). Hyperexpression of brain-derived neurotrophic factor in serum was associated with painful form of diabetic polyneuropathy (R=0.392, p=0.012) and obesity (R=0.412, p=0.001). On the contrary high concentration of tropomyosin receptor kinase receptor B in serum associated with painless diabetic polyneuropathy by Pain DETECT (R=-0.354, p=0.015), low body weight (R=-0.354, p=0.015) and severe demyelization of nerve fibers (R=-0.574, p=0.001), indicated "non-working" receptor detected in serum. CONCLUSION: Tropomyosin receptor kinase receptor B signaling is involved in the modulation of neuropathic pain and obesity in diabetic polyneuropathy.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».