Estudio de citoquinas y metabolitos plasmáticos como posibles marcadores de la enfermedad de Parkinson
Notice bibliographique
Résumé
La enfermedad de Parkinson (EP) es un trastorno neurológico progresivo que no tiene cura. Tras el diagnóstico clínico, no hay tratamiento farmacológico que pueda detener el avance de la enfermedad. Además, no hay en la actualidad un marcador biológico que pueda ayudar al diagnóstico precoz de la enfermedad. Este trabajo intenta contribuir a la búsqueda de biomarcadores eficaces para el diagnóstico de la enfermedad de Parkinson. En este trabajo analizamos estadísticamente los niveles de citoquinas en plasma y líquido cefalorraquídeo a partir de los datos recabados en el estudio clínico BioFIND. IL-1b, IL-2, IL-6, IL-8, IL-10, TNF-a e IFN-g fueron analizadas usando estadística inferencial para determinar posibles asociaciones entre ellas. A continuación, se llevaron a cabo estudios de correlación entre citoquinas y a-sinucleína o diferentes \nmodificaciones post-traduccionales de la tubulina. También se realizaron estudios de correlación entre citoquinas y síntomas clínicos evaluados en la cohorte de estudio, mediante el test de evaluación cognitiva de Montreal (MoCA) o el cuestionario de detección de trastornos en la fase REM del sueño (RBDSQ). Además, se estudiaron los niveles plasmáticos de ciertos metabolitos entre sujetos control y pacientes con EP. Finalmente, se creó un modelo de regresión logística basado en las poliaminas ornitina, putrescina y N-acetilputrescina, además de los síntomas clínicos, para predecir la probabilidad de desarrollar EP. Con todo, este estudio intenta aportar luz al proceso de neuroinflamación asociado a la EP y proporciona nuevos conocimientos sobre la fisiopatología de la enfermedad.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,008 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».