Exploring the Impact of Inflammation on Gas Exchange Efficiency in Cannabis-smoking Individuals Using 129XeMRI
Notice bibliographique
Résumé
Abstract RATIONALE: As recreational use of cannabis increases globally, the structure-function changes underlying the increased respiratory symptom burden1 must be investigated. Current literature is dominated by case reports of severe lung injury in subjects with significant exposure to both cannabis and tobacco, which do not capture early changes in young smokers nor cannabis-specific effects.1 Imaging such as computed tomography (CT) and 129Xe magnetic resonance imaging (129XeMRI) provide quantitative structural and functional measurements respectively. We hypothesize that the effects of cannabis smoking in the lungs are measurable as functional changes in 129XeMRI. METHODS: Current cannabis smoking participants with <5 pack-years of cigarette smoking, and age-matched never-smoking participants completed pulmonary function tests (PFTs), COPD Assessment Test (CAT), St. George's Respiratory Questionnaire (SGRQ), chest CT, 129XeMRI, and bronchoscopic bronchial brush for RNA sequencing. CT was quantitatively analyzed (VIDA Insights) for lung density measurements, 129XeMRI was performed per guidelines2 to measure ventilation defect percent (VDP), ratios of membrane (Mem)/Gas, red blood cell (RBC)/Mem, RBC/Gas and apparent diffusion coefficient (ADC). Total RNA were sequenced (Illumina NovaSeq6000), quality controlled (FastQC), aligned to the human genome (Salmon V1, GENCODE GRCh37v.45) and normalized to Log2 transcripts-per-million. Mean gene signature scores were quantified and compared with two-sided independent t-tests or correlated with Spearman's rank-order coefficient. RESULTS: We evaluated 16 cannabis-smoking (31±10yrs, 10 female) and 6 never-smoking participants (29±7yrs, 2 female). Median joint-years was 13.4 (range 0.25-75) and years smoking was 6 (range 2-45). The cannabis-smoking group was symptomatic, with greater SGRQ (14.4±9.2 vs 3.6±6.3, p=0.012) and CAT scores (10.0±5.6 vs 1.7±1.5, p=0.023). PFT, CT lung density, and 129XeMRI measurements were not different between groups. Type 1 inflammation correlated negatively with RBC/Gas (ρ=-0.430, p=0.046) and RBC/Mem (ρ=-0.509, p=0.016) while Type 2 inflammation correlated positively with Mem/Gas (ρ=0.481, p=0.024) (Figure 1). CAT and SGRQ activity scores correlated negatively with RBC/Mem (ρ=-0.568, p=0.011; ρ=-0.457, p=0.032). CONCLUSIONS: These findings suggest that Type 1 and 2 inflammation pathways, potentially activated by inhalation of cannabis smoke, could impair gas-exchange function as measured by 129XeMRI in synergistic ways. Further investigation of the relationships between cannabis smoking, inflammation pathways, and compartmental gas-exchange deficits may lead to better understanding of the pathophysiology and treatment options for cannabis-related lung injury. REFERENCES: 1Ribeiro&Ind.npjPrimCareRespMed(2016).2Niedbalski.MRM(2021).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».