Urinary TNF-α as a potential biomarker for chronic primary low back pain
Notice bibliographique
Résumé
Introduction: Over two thirds of individuals with low back pain (LBP) may experience recurrent or persistent symptoms in the long term. Yet, current data do not allow to predict who will develop chronic low back pain and who will recover from an acute episode. Elevated serum levels of the proinflammatory cytokine tumor necrosis factor-α (TNF-α) have been associated with poor recovery and persistent pain following an acute episode of LBP. Inflammatory cytokines may also mediate mechanisms involved in nociplastic pain, and thus, have significant implications in chronic primary low back pain (CPLBP). Methods: This study aimed to investigate the potential of urinary TNF-α levels for predicting outcomes and characterizing clinical features of CPLBP patients. Twenty-four patients with CPLBP and 24 sex- and age-matched asymptomatic controls were recruited. Urinary TNF-α concentrations were measured at baseline and after 4 weeks, during which CPLBP patients underwent spinal manipulative therapy (SMT). Results: Concentrations of TNF-α were found to be elevated in baseline urine samples of CPLBP patients compared to asymptomatic controls. Moreover, these values differed among patients depending on their pain trajectory. Patients with persistent pain showed higher levels of TNF-α, when compared to those with episodic CPLBP. Furthermore, baseline TNF-α concentrations and their changes after 4 weeks predicted alterations in pain intensity and disability following SMT in patients with CPLBP. Discussion: These findings warrant further research on the potential use of urinary TNF-α concentrations as a prognostic biomarker for CPLBP.
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 | 0,001 | 0,001 |
| 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 ».