MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410276229 · doi:10.1164/ajrccm.2025.211.abstracts.a7116

Amniotic Fluid Inflammatory Profile is Altered by Prenatal Cigarette Smoke Exposure

2025· article· en· W4410276229 sur OpenAlexaff
Jorge Quintana Aguilar, Hala Mohamed, D.H.D. Mostafa, M. Sosa Henríquez, Ezra L. Clark, Ivan K. Domingo, Michaela A. Riddell, Christopher D. Pascoe

Notice bibliographique

RevueAmerican Journal of Respiratory and Critical Care Medicine · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of AlbertaUniversity of ManitobaChildren's Hospital Research Institute of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineAmniotic fluidCigarette smokeSmokePregnancyFetusEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction: Fetal breathing movements permit the exchange of fetal lung fluid with amniotic fluid (AF), maintains optimal lung distention, and is vital for pulmonary cell differentiation and lung development. Elevated IL-1β, IL-5, and TNF-α in AF promotes offspring airway hyperreactivity and induces fetal lung inflammation, all of which are associated with chronic lung disease. Therefore, AF composition, and factors that alter it, may directly impact the developing lungs and could affect disease risk. AF may link the external environment and the developing lungs. Previously, we reported that the AF has a unique cytokine/chemokine profile when compared to maternal blood (MB), cord blood (CB), and placenta (PL). But whether this profile can be modified by external stimuli is unknown. Prenatal exposure to cigarette smoke (CS) increases risk for chronic lung disease; therefore, we hypothesize that maternal CS exposure alters the AF cytokine/chemokine profile. Methods: Matched AF, MB, CB, and PL were collected from patients undergoing a term caesarean delivery. Information on CS exposure was collected by questionnaire, and cotinine levels were measured using a direct ELISA to confirm exposure. Protein was isolated from PL samples using a RIPA buffer, and then all samples were assayed for 99 cytokines/chemokines using a multiplex array. Profiles were compared using partial least squares-discriminant analysis (PLS-DA) and differential abundance analysis. Data is presented as mean±SD. Results: There were no significant differences in the clinical measurements or demographics between cotinine negative or positive samples (Table 1). Gestational age was trending lower for cotinine positive samples and may require adjustment in downstream analyses. 27% of AF samples (n=22) had detectable cotinine (51.04±11.90 ng/mL) at levels 1.62-fold higher than CB (31.52±22.78 ng/mL, p<0.01) and 1.45-fold higher than MB (35.13±24.46 ng/mL, p<0.05). Cotinine was undetected in all PL samples. Cotinine-positive AF samples have higher levels of IP-10 (7552.08±6143.49 vs. 690.20±1103.64 pg/mL, p<0.001), CXCL9 (838.85±635.83 vs. 250.73±193.06 pg/mL, p<0.005), IL-10 (7.81±3.52 vs. 4.02±2.23 pg/mL, p<0.01), and IL-6 (992.37±557.50 vs. 513.23±430.35 pg/mL, p<0.05) relative to cotinine-negative samples. These cytokines did not differ in the CB cotinine-positive relative to -negative samples. Conclusions: CS exposure alters the AF profile, increasing the abundance of both pro- and anti-inflammatory mediators. Additionally, prenatal CS exposure leads to cotinine bioaccumulation in AF. These results provide evidence that the AF composition can be influenced and may be an important communication pathway between the external environment and the developing lungs.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,320
Écart entre enseignants0,301 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Respiratory and Critical Care Medicine→Même sujetAir Quality and Health Impacts→Travaux en français237 207→