Clinical Trial: Effect of Autologous Dendritic Cell Administration on Improving Neuropathy Symptoms and Inflammatory Biomarkers in Diabetic Neuropathy
Notice bibliographique
Résumé
Type 2 diabetes mellitus (T2DM) is a global health concern, with diabetic neuropathy (DN) being a prevalent complication. Current DN treatments focus on blood glucose control and pain management, which show limited efficacy. This study explored the effects of autologous dendritic cell (DC) administration on improving DN symptoms. A quasi-experimental clinical trial was conducted on 28 DN patients at Gatot Soebroto Army Hospital. Patients received autologous DC administration, with their Toronto Clinical Neuropathy Score (TCNS), Transforming Growth Factor-β (TGF-β), and Vascular Cell Adhesion Molecule-1 (VCAM-1) levels measured before and at four weeks after treatment. The results show an average TCNS reduction from 8.93 to 7.5 (p < 0.001). TGF-β levels increased slightly from 41.16 ng/mL to 44.18 ng/mL (p > 0.05). VCAM-1 levels increased from 1389.75 ng/mL to 1403.85 ng/mL. Correlation analysis showed that TGF-β levels had a significant negative correlation with the TCNS (r = −0.353; p = 0.033) and VCAM-1 levels (r = −0.521; p = 0.002). Autologous DC administration significantly improves DN. While the changes in TGF-β and VCAM-1 levels were not statistically significant, their trends suggest that there was an anti-inflammatory effect. These findings highlight the potential of autologous DC therapy as a complementary approach to manage DN through inflammation reduction and nerve repair.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».