Cytokine Levels in Patients with β-Thalassemia Major and Healthy Individuals: a Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Cytokine levels in patients with β-thalassemia major (β-TM) have been assessed in several studies. Accordingly, a wide variety of immune disturbances has been shown in patients with thalassemia. Recurrent transfusions cause iron overload, which induces an increase in the production of cytokines. However, no systematic approach or meta-analysis has been done to provide a clear feature of cytokine levels in β-TM. The present meta-analysis aimed to summarize the existing evidence regarding different levels of cytokines in patients with Β-TM compared to healthy controls. METHODS: This study was performed according to the PRISMA checklist. A systematic search was done in Web of Science (ISI), Scopus, and PubMed databases. The quality of the included studies was assessed based on the New-castle-Ottawa Scale. Meta-analysis was run via STATA 13 software. The standardized mean difference was considered the effect size for comparing the continuous variables. RESULTS: This meta-analysis included 16 studies conducted on 805 β-TM patients and 624 healthy individuals (with the mean age of 16.10 ± 4.33 and 16.22 ± 3.78, respectively). The results showed significantly higher levels of Tumor Necrosis Factor-alpha (TNF-α), Interleukin-6 (IL-6), and IL-10 in patients with β-TM compared to the healthy controls. CONCLUSION: The results indicated that the levels of both inflammatory and anti-inflammatory cytokines were higher in patients with β-TM compared to the healthy population, which could be associated with higher levels of oxidative markers in these patients. Further studies are suggested to evaluate the difference in cytokine levels among different types of thalassemia.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 | 0,002 |
| 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 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 ».