NEDD4 Transcript Variant 3 and IGF-1 as Molecular Markers in the Development and Prognosis of Keloids
Notice bibliographique
Résumé
Background: Keloids are benign fibrous growths resulting from abnormal wound healing, commonly affecting individuals with darker skin tones. Genetic factors, particularly the Neural Precursor Cell Expressed Developmentally Down-Regulated Protein 4 (NEDD4) gene transcript variant 3 (NEDD4-TV3) and growth factors like insulin-like growth factor-1 (IGF-1), are implicated in keloid formation. Objective: This study aimed to assess the expression levels of NEDD4-TV3 and IGF-1 in keloid tissue and their potential role in keloid pathogenesis. Patients and methods: This case-control study was conducted involving 30 keloid patients and 20 individuals of matched age, sex and BMI as a control group. Comprehensive history, examination, and laboratory investigations were performed, including PCR for NEDD4-TV3 and IGF-1 gene expression. Results: NEDD4-TV3and IGF-1 gene expressions were significantly higher in keloid patients compared to controls (P ≤ 0.001). NEDD4-TV3 ≥75852 predicted keloid formation with 95% sensitivity, 95% specificity, 97.4% PPV, 90.5% NPV, and 95% accuracy (AUC = 0.983, 95% CI: 0.95-1.0). IGF ≥8490 had 77.5% sensitivity, 70% specificity, 97.4% PPV and 90.5% NPV. NEDD4-TV3 significantly correlated positively with pigmentation score, vascularity score, height score, total Vancouver scale (P ≤ 0.001) for all, and IGF-1 expressions (P = 0.014). IGF-1 significantly correlated with pigmentation score, vascularity score, and total Vancouver scale (P = 0.03, 0.016, 0.005) respectively. Conclusions: Significantly elevated NEDD4-TV3 and IGF-1 gene expressions were associated with increased susceptibility to keloid formation, suggesting their potential role in keloid etiopathogenesis and their predictive roles.
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) | 0,000 | 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 ».