Pro-inflammatory cytokines levels in tears and dry eye disease in Parkinson’s disease
Notice bibliographique
Résumé
Background: Neuroinflammation is an essential event in Parkinson’s disease (PD). Identifying affordable and less invasive biomarkers to make an early diagnosis and monitor therapeutic strategies should be a priority among researchers. The study’s objective was to measure tear levels of cytokines in subjects with PD and their association with motor features and the presence of dry eye symptoms. Methods: A total of 16 subjects with PD and 16 age- and sex-matched controls were included. Movement Disorders Society-Unified Parkinson’s Disease Rating Scale (MDS-UPDRS), Hoehn and Yahr (HY) stage scale, Montreal Cognitive Assessment (MoCA), tear break-up time (TBUT), blink rate (BR), Dry Eye Questionnaire 5 (DEQ-5) were examined, and pro-inflammatory cytokines [interleukin (IL)-1β, IL-6, IL-8, IL-10, IL-12p70 and tumor necrosis factor-alpha (TNF-α)] were quantified in tears using the BD Cytometric Bead Array Human Inflammatory Cytokine Kit. Results: Higher tear TNF-α were quantified in PD compared to controls (2.94±3.95 vs. 0.33±0.49 pg/mL, P=0.008). According to DEQ-5, 50.0% (n=8) of PD subjects and 12.5% (n=2) controls had dry eye disease (DED). No differences were found in cytokines concentrations between PD patients with DED compared to those without DED. IL-8 was associated with the HY stage, TBUT, DEQ-5, and a better MoCA score. A higher BR correlated moderately with a lower HY stage (r=−0.645, P=0.007), and DED patients have lower BR in PD (12.14±2.54 vs. 9.0±2.06 blinks/minute, P=0.031). Conclusions: PD patients have higher levels of TNF-α in tears than age- and sex-matched HC. IL-8 in tears may be both involved in the severity of the disease and in the development of DED in PD. In addition, our findings suggest that as HY stage increases, indicating a more advanced stage, BR decreases, indicating greater motor impairment. Conversely, the presence of DED is associated with higher levels of bradykinesia in PD patients, suggesting a potential relationship between DED and motor impairment severity.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».