Exploring the impact of interleukins on sarcopenia development: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The role of interleukins in sarcopenia development has been acknowledged, yet the specifics of their involvement remain to be fully understood. This study aimed to explore alterations in interleukin levels among sarcopenia patients. METHODS: Searches were conducted in Embase, Medline, and the Cochrane Library for literature published up to May 2023. Eligible observational studies with a diagnosis of sarcopenia were included. The Newcastle-Ottawa Scale was utilized for quality assessment. For data synthesis, a random-effects model was used, and the Mantel-Haenszel method was used for pooled estimates. RESULTS: Of the 7685 articles screened, 37 met the inclusion criteria. Statistically significant differences in the levels of IL-1β, IL-6 and IL-10 were detected in sarcopenia patients. Specifically, IL-1β (95 % CI: 0.33 [0.12, 0.54], P < 0.05), IL-6 (95 % CI: 0.91 [0.59, 1.24], P < 0.05), and IL-10 (95 % CI: 0.11 [0.07,0.15], P < 0.05) were detected. However, no significant associations were found between serum IL-4 (95 % CI: 0.36 [-0.18, 0.42], P = 0.44), IL-8 (95 % CI: -1.05 [-3.06, 0.95], P = 0.3), IL-12 (95 % CI: -3.92 [-8.32,0.48], P = 0.08) or IL-17 (95 % CI: 0.22 [-2.43, 2.88], P = 0.87) and sarcopenia. Subgroup analysis showed no significant difference in IL-6 (95 % CI: -0.03 [-0.72, 0.66], P = 0.93) and IL-10 (95 % CI: 0.1 [-0.44, 0.64], P = 0.72) among patients with European standard sarcopenia. CONCLUSIONS: Inflammation plays a role in sarcopenia, and the serum levels of IL-1β, IL-6, and IL-10 are associated with sarcopenia. Further research is needed to clarify these associations. CLINICAL TRIALS REGISTRATION NUMBER: CRD42024506656.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| 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) | 0,001 | 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 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 ».