Propranolol Normalizes Metabolomic Signatures Thereby Improving Outcomes After Burn
Notice bibliographique
Résumé
OBJECTIVE AND BACKGROUND: Propranolol, a nonselective beta-receptor blocker, improves outcomes of severely burned patients. While the clinical and physiological benefits of beta-blockade are well characterized, the underlying metabolic mechanisms are less well defined. We hypothesized that propranolol improves outcomes after burn injury by profoundly modulating metabolic pathways. METHODS: In this phase II randomized controlled trial, patients with burns ≥20% of total body surface area were randomly assigned to control or propranolol (dose given to decrease heart rate <100 bpm). Outcomes included clinical markers, inflammatory and lipidomic profiles, untargeted metabolomics, and molecular pathways. RESULTS: Fifty-two severely burned patients were enrolled in this trial (propranolol, n=23 and controls, n=29). There were no significant differences in demographics or injury severity between groups. Metabolomic pathway analyses of the adipose tissue showed that propranolol substantially alters several essential metabolic pathways involved in energy and nucleotide metabolism, as well as catecholamine degradation ( P <0.05). Lipidomic analysis revealed that propranolol-treated patients had lower levels of proinflammatory palmitic acid ( P <0.05) and saturated fatty acids ( P <0.05) with an increased ratio of polyunsaturated fatty acids ( P <0.05), thus shifting the lipidomic profile towards an anti-inflammatory phenotype after burn ( P <0.05). These metabolic effects were mediated by decreased activation of hormone-sensitive lipase at serine 660 ( P <0.05) and significantly reduced endoplasmic reticulum stress by decreasing phospho-JNK ( P <0.05). CONCLUSION: Propranolol's ability to mitigate pathophysiological changes to essential metabolic pathways results in significantly improved stress responses.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».