A Systematic Review of Interleukins as Diagnostic and Prognostic Biomarkers for Peripheral Artery Disease
Notice bibliographique
Résumé
Background: Peripheral artery disease (PAD) involves atherosclerosis of the lower extremity arteries and is a major contributor to limb loss and death worldwide. Several studies have demonstrated that interleukins (ILs) play an important role in the development and progression of PAD; however, a comprehensive literature review has not been performed. Methods: A systematic review was conducted and reported according to PRISMA guidelines. MEDLINE was searched from inception to 5 December 2022, and all studies assessing the association between ILs and PAD were included. Results: We included 17 studies from a pool of 771 unique articles. Five pro-inflammatory ILs (IL-1β, IL-2, IL-5, IL-6, and IL-8) and one pro-atherogenic IL (IL-12) were positively correlated with PAD diagnosis and progression. In contrast, two anti-inflammatory ILs (IL-4 and IL-10) were protective against PAD diagnosis and adverse limb events. Specifically, IL-6 and IL-8 were the most strongly associated with PAD and can act as potential disease biomarkers to support the identification and treatment of PAD. Conclusions: Ongoing work to identify and validate diagnostic/prognostic inflammatory biomarkers for PAD has the potential to assist clinicians in identifying high-risk patients for further evaluation and management which could reduce the risk of adverse cardiovascular and limb events.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».