Serum level of osteoprotegerin in patients with Parkinson’s disease:a preliminary study
Notice bibliographique
Résumé
Wprowadzenie: Wyniki najnowszych badań wskazują na udział osteoprotegeryny (OPG) w patofizjologii choroby Parkinsona (ChP). Cel pracy: Ocena stężenia OPG w surowicy u pacjentów z ChP w porównaniu z grupami kontrolnymi: pacjentów z łagodnymi bólami głowy lub kręgosłupa (CG1) i z ostrym udarem niedokrwiennym mózgu (CG2) oraz zbadanie związku między stężeniem OPG w surowicy a: 1) czasem trwania ChP, 2) stężeniami w surowicy parathormonu (PTH), witaminy D [25(OH)D], wapnia całkowitego oraz 3) cholesterolu całkowitego (TC), lipoproteiny o wysokiej gęstości, lipoproteiny o niskiej gęstości i trójglicerydów. Materiał i metody: Do badania włączono 45 pacjentów z ChP [20 w stadium początkowym choroby (iPD) i 25 w stadium zaawansowanym (aPD)] oraz 50 pacjentów do grup kontrolnych (20 do CG1, 30 do CG2). Stężenia OPG w surowicy oznaczono metodą immunoenzymosorpcyjną typu sandwich. W analizie statystycznej zastosowano testy t-Studenta, Mann-Whitneya, c2 oraz analizę korelacji Pearsona i regresji liniowej. Wyniki: Stwierdzono niższe stężenie OPG w surowicy pacjentów z iPD w porównaniu z pacjentami z grupy CG2 (p = 0,026). Stężenie OPG zależało od czasu trwania ChP (p < 0,01) i stężenia TC (p < 0,03) u pacjentów z ChP, od stężenia 25(OH)D (p < 0,04) w grupie CG1 oraz od stężenia TC (p < 0,05) i PTH (p < 0,01) w grupie CG2. Wnioski: Stężenie OPG w surowicy wzrasta wraz z czasem trwania ChP i ma związek ze stężeniem TC w surowicy zarówno u pacjentów z ChP, jak i u pacjentów z ostrym udarem niedokrwiennym mózgu.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».