Eosinophil-mucus interplay in severe asthma: Implications for treatment with biologicals
Notice bibliographique
Résumé
Airway mucus is a hydrogel with unique biophysical properties due to its primary water composition and a small proportion of large anionic glycoproteins or mucins. The predominant mucins in human mucus, MUC5AC and MUC5B, are secreted by specialized cells within the airway epithelium both in normal conditions and in response to various stimuli. Their relative proportions are correlated with specific inflammatory responses and disease mechanisms. The dysregulation of mucin expression is implicated in numerous respiratory diseases, including asthma, COPD, and cystic fibrosis, where the pathogenic role of mucus has been extensively described yet often overlooked. In airway diseases, excessive mucus production or impaired mucus clearance leads to mucus plugging, with secondary airway occlusion that contribute to airflow obstruction, asthma severity and poor control. Eosinophils and Charcot Leyden crystals in sputum contribute to the mucus burden and tenacity. Mucin may also contribute to eosinophil survival. Other mechanisms, including eosinophil-independent IL-13 release, mast-cell activation and non-type-2 (T2) cytokines, are also likely to participate in mucus pathobiology. An accurate assessment of mucus and its clinical and functional consequences require a thorough approach that includes evaluation of cellular predominance in sputum, airway cytokines and other inflammatory markers, mucus characteristics and composition and structural and functional impact measured by advanced lung imaging. This review, illustrated with clinical scenarios, provides an overview of current methods to assess mucus and its relevance to the choice of biologics to treat patients with severe asthma.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».