MétaCan
Menu
Retour à la cohorte
Enregistrement W4220728364 · doi:10.1093/jbcr/irac012.046

43 Mapping the Hypermetabolic Response in Burn Patients

2022· article· en· W4220728364 sur OpenAlexaff
Carly M. Knuth, Zachary Ricciuti, Dalia Barayan, Sarah Rehou, Marc G. Jeschke

Notice bibliographique

RevueJournal of Burn Care & Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueBurn Injury Management and Outcomes
Établissements canadiensTD Bank GroupHealth Sciences CentreSunnybrook HospitalUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésHypermetabolismTotal body surface areaMedicineResting energy expenditureBurn injuryAdipose tissueInternal medicineCatabolismEndocrinologyWhite adipose tissueBrown adipose tissueSurgeryMetabolismEnergy expenditure

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Hypermetabolism, characterized by drastic increases in whole-body catabolism and resting energy expenditure (REE), is a hallmark response to a severe burn injury. This is believed to be driven in part by alterations in adipose tissue metabolism. We proposed to define the hypermetabolic response in adipose tissue from burn patients and create a roadmap of markers indicative of hypermetabolism to improve prognosis. We hypothesized that catabolic markers, such as uncoupling protein-1 (Ucp1) and growth differentiation factor-15 (Gdf15), would positively correlate with increasing days post-burn and REE. Methods Adult burn patients (n=65) admitted to our burn center between 2011—2019 were included in this study. Subcutaneous white adipose tissues (sWAT) from the site of injury (n=85) and plasma were collected from severely burned patients ( ³20% total body surface area). Gene expression and circulating cytokine levels were measured by RT-qPCR and multiplex assays, respectively. Results We found a significant correlation between increasing Ucp1 gene expression and days post-burn (p< 0.0001). Moreover, when samples were stratified into acute (1-3 days post-burn), moderate (4-9 days post-burn), and long-term ( >10 days post-burn) timepoints, a significant increase in Ucp1 gene expression was detected only in adipose tissues from long-term time points in comparison to non-burned control tissues (p< 0.01). However, we found that REE remained stagnant throughout hospital stay after a burn injury in our patient cohort. Thus, we did not detect a significant correlation between Ucp1 gene expression and REE. Further, while Gdf15 expression was most pronounced, albeit statistically insignificant, during the moderate timepoints, we did not detect any significant differences when correlated with days post-burn. Additionally, we determined that circulating levels of IL-6, IL-10, and monocyte chemoattractant protein-1 (MCP-1) were greatly elevated within the first seven days post-burn and gradually decreased over time, while vascular endothelial growth factor (VEGF) concentrations followed a similar pattern to Ucp1 gene expression. Conclusions While Gdf15 expression may not accurately reflect catabolism in the adipose tissues of burn patients, Ucp1 gene expression may be used as a marker indicating a peak hypermetabolic period after ten days post-burn. This may also be reflected by circulating concentrations of VEGF. Moreover, IL-6, IL-10 and MCP-1 may be used as early determinants before the onset of hypermetabolism.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,378
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Burn Care & ResearchMême sujetBurn Injury Management and OutcomesTravaux en français237 207