MétaCan
Menu
Retour à la cohorte
Enregistrement W4408330038 · doi:10.1089/derm.2025.0014

Exploring Immune-Related Biomarkers in Human Itch

2025· review· en· W4408330038 sur OpenAlexvenueno aff
Giulia Coscarella, Gil Yosipovitch

Notice bibliographique

RevueDermatitis · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueDermatology and Skin Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineImmune systemImmunology

Résumé

récupéré en direct d'OpenAlex

Itch is a debilitating symptom that affects ∼40% of the population and significantly impacts patients' quality of life. The management of chronic itch remains a significant challenge due to the limited availability of reliable biomarkers for assessing its severity. This review aims to investigate the key neuroimmune-related biomarkers involved in the pathophysiology of itch and itch-dependent diseases. A thorough literature review was conducted using PubMed and Google Scholar, employing search terms like "Biomarkers" OR "Blood markers" OR "Immune-related" AND "Itch" OR "Pruritus." Recent evidence has highlighted the central role of neuro-immune-epithelial crosstalk in itch pathogenesis, with pruritogens stimulating the release of interleukin-33 (IL-33), thymic stromal lymphopoietin, and periostin, which promote Th2 inflammation and intensify itch sensation. Elevated levels of cytokines such as IL-4, IL-13, and IL-31 have been associated with various inflammatory skin conditions, though their correlation with itch severity remains inconsistent. Chemokines like thymus and activation-regulated chemokine, as well as CC motif chemokine ligand, have demonstrated promise as biomarkers for Th2-mediated conditions, showing correlations with disease severity and itch intensity. Additional markers, such as brain natriuretic peptide and its metabolite NT-proBNP, have been correlated with itch intensity in chronic pruritic conditions. However, neuropeptides like substance P have shown limited utility in evaluating itch severity. Understanding the mechanisms underlying itch through immune-related biomarkers could lead to more effective treatments and enhance patient outcomes while providing insights into immune dysregulation in pruritic disorders.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,339
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDermatitisMême sujetDermatology and Skin DiseasesTravaux en français237 207