Inflammatory Profile of Chronic Rhinosinusitis With Nasal Polyp Patients in Brazil: Multicenter Study
Notice bibliographique
Résumé
OBJECTIVES: To determine the inflammatory profile of CRSwNP in Brazil and characterize the subgroups of CRSwNP patients in this population through cluster analysis. STUDY DESIGN: Multicenter cross-sectional study involving 15 centers representing different regions of Brazil. SUBJECTS AND METHODS: Clinical data of 166 patients and 80 controls, aged 18 to 70 years old, number of surgeries for CRS, history of asthma and aspirin sensitivity, and Lund-Mackay scores on CT scans. During nasal endoscopy, we obtained the Lund-Kennedy scores and collected 2 samples of nasal polyps: one for eosinophil and neutrophil tissue counts and one to quantify different cytokines. RESULTS: 79.6% of our patients had 10 or more eosinophils/HPF. CRSwNP groups exhibited significantly lower concentrations of TNF-alpha and significantly higher concentrations of IFN-gamma, CCL11/Eotaxin, CCL24/Eotaxin-2/MPIF-2, and CCL26/Eotaxin-3 versus the control group (Kruskal-Wallis test). Comparison between CRSwNP groups (≥10 vs <10 eosinophils/HPF) showed no difference in cytokine concentration (Mann-Whitney test). Hierarchical clustering and PCA according to cytokine concentrations revealed 2 main Clusters, with a significantly higher concentration of all cytokines in Cluster 1 (n = 35) than in Cluster 2 (n = 121), except IL-6 and IL-33 (Mann-Whitney test). According to ROC curve analysis the best cut-off to differentiate the 2 clusters was 43 eosinophils/HPF. The group with ≥43 presented a higher prevalence of men and a higher Lund-Mackay score (Mann-Whitney test). CONCLUSIONS: CRSwNP patients in Brazil present mixed inflammation, with 2 distinct groups (high and low inflammatory pattern) that can be distinguished by tissue eosinophilia of ≥43 eosinophils/HPF cut-off in nasal polyps.
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 ».