Assessment of Serum Interleukin-17 As a Prognostic Factor in Patients with Postburn Scars
Notice bibliographique
Résumé
Background: Postburn scars are defined as abnormal wound healing after burn, which results in disfigurement and psychological stress. The factors determining the figure and the severity of the upcoming scar after burn are still unclear. But there are many studies suggesting that inflammation is the initiating step of developing postburn scars. Interleukin-17 is an inflammatory factor that has the ability to promote the T cells activation leading to chronic inflammation. Also, interleukin-17 was proved to increase the skin fibrosis resulting in delayed wound healing. If we find a strong relation between the severity of postburn scars and the level of serum interleukin-17, we can target it and suppress the inflammation in the treatment protocol of burn to avoid extensive postburn scars. Objective: This study aimed to find a link between serum intrleukin-17 and the severity of the resulted scar following burn injury so when targeting this cytokine during the early inflammation, we can avoid sever pathological scar later. Patients and methods: Sixty patients having scars from burns were collected for the study. The scars were assessed utilizing Vancouver score scale (VSS). A serum sample was taken from each patient to estimate the serum level of interleukin-17 using ELISA kit. Results: The study showed a statistically significant strong positive correlation between the levels of interleukin-17 and the severity of the postburn scars and confirmed the results of previous studies that serum interleukin-17 is higher in more recent scars. Conclusion: Interleukin-17 may have a role as a factor increasing the chance of formation of sever scars after burn and targeting this inflammatory mediator early after burn may be of great value to avoid the development of sever postburn scar.
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) | 0,001 | 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 ».