Elevated Serum Interleukin-17 Levels in Thoracic Trauma Patients with Poor Prognosis: A Prospective Observational Study
Notice bibliographique
Résumé
PURPOSE: To measure interleukin (IL)-17 serum levels in thoracic trauma patients and to correlate these levels with other cytokines and with patient prognosis. Methods: This prospective observational study recruited 130 thoracic trauma patients who were admitted to the Zhoupu Hospital Affiliated to Shanghai Medical College of Health June 2020 to April 2022 and 100 healthy volunteers. Patients were divided into two groups based on Injury Severity Score (ISS): ISS<16 (mild/moderate trauma) and ISS ≥16 (severe trauma). Serum IL-17, tumor necrosis factor α (TNF-α), IL-6, IL-1β and C-reactive protein (CRP) levels were measured by enzyme-linked immunosorbent assay. Patients with poor prognosis were defined as those who developed serious complications or died during hospitalization or follow-up. Results: Serum levels of IL-17, TNF-α, IL-6 and IL-1β were significantly elevated in patients with ISS ≥16 (p<0.05). Serum cytokines levels increased within 48 h in both groups and then gradually decreased during subsequent treatment and rehabilitation. Pearson's analysis indicated a positive correlation among IL-17, TNF-α and IL-1β. Serum IL-17 levels in patients with poor prognoses were higher than the patients with good prognoses at all time points (p<0.05). Furthermore, for patients with poor prognoses, the serum IL-17 levels had highest diagnostic value among all the cytokines measured. Logistic regression analysis showed that IL-17 was the risk factor for thoracic trauma patients with poor prognoses. Conclusion: Serum IL-17 levels were significantly elevated in thoracic trauma patients and decreased gradually with rehabilitation. IL-17 was a risk factor for thoracic trauma patients with poor prognoses. This study suggests a new diagnostic and therapeutic target for thoracic trauma patients.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».