Smoking primes the metabolomic response in trauma
Notice bibliographique
Résumé
INTRODUCTION: Smoking is a public health threat because of its well-described link to increased oxidative stress-related diseases including peripheral vascular disease and coronary artery disease. Tobacco use has been linked to risk of inpatient trauma morbidity including acute respiratory distress syndrome; however, its mechanistic effect on comprehensive metabolic heterogeneity has yet to be examined. METHODS: Plasma was obtained on arrival from injured patients at a Level 1 trauma center and analyzed with modern mass spectrometry-based metabolomics. Patients were stratified by nonsmoker, passive smoker, and active smoker by lower, interquartile, and upper quartile ranges of cotinine intensity peaks. Patients were substratified by high injury/high shock (Injury Severity Score, ≥15; base excess, <-6) and compared with healthy controls. p Value of <0.05 following false discovery rate correction of t test was considered significant. RESULTS: Forty-eight patients with high injury/high shock (7 nonsmokers [15%], 25 passive smokers [52%], and 16 active smokers [33%]) and 95 healthy patients who served as controls (30 nonsmokers [32%], 43 passive smokers [45%], and 22 active smokers [23%]) were included. Elevated metabolites in our controls who were active smokers include enrichment in chronic inflammatory and oxidative processes. Elevated metabolites in active smokers in high injury/high shock include enrichment in the malate-aspartate shuttle, tyrosine metabolism, carnitine synthesis, and oxidation of very long-chain fatty acids. CONCLUSION: Smoking promotes a state of oxidative stress leading to mitochondrial dysfunction, which is additive to the inflammatory milieu of trauma. Smoking is associated with impaired mitochondrial substrate utilization of long-chain fatty acids, aspartate, and tyrosine, all of which accentuate oxidative stress following injury. This altered expression represents an ideal target for therapies to reduce oxidative damage toward the goal of personalized treatment of trauma patients. LEVEL OF EVIDENCE: Prognostic and Epidemiological; Level IV.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».