Measurement of central nervous system related biomarkers in plasma of burn patients
Notice bibliographique
Résumé
BACKGROUND: Burn injury produces a complex biological response across multiple organ and biological systems. Nonetheless current understanding regarding the neurologic response to burn injury is limited. Research suggests that disruption of the blood-brain barrier (BBB) may play a role in central nervous system (CNS) damage following burn trauma. As such, the purpose of this study was to investigate systemic circulating biomarkers, frequently associated with neuronal injury, to gain an understanding of their relationship to burn injury severity. METHODS: Blood from fifty-six patients admitted to the burn intensive care units was taken within 24 hours and analyzed for four CNS-related biomarkers in plasma (i.e., ubiquitin C-terminal hydrolase L1 [UCH-L1], tau protein, glial fibrillary acidic protein [GFAP], and neurofilament light [NfL]). Clinical information regarding demographics, burn severity, and health outcomes were also obtained. RESULTS: We observed increased burn severity, as measured by total burn surface area (TBSA), was significantly associated with increased UCH-L1, NfL, and tau. GFAP was not associated with burn severity. In a predictive model of days spent in the hospital after injury, accuracy of the four CNS-related biomarkers was only improved by 1% when TBSA was included (i.e., 38.3% accuracy with only biomarkers vs. 39.4% accuracy with biomarkers and TBSA). CONCLUSION: Overall, findings from this novel study highlight an association between burn injury severity and CNS-related biomarkers, thereby providing a foundation for future studies to explore both potential mechanisms associated with burn-related neurologic damage and associated functional impairments.
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 | 0,000 | 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 ».