Listing 1 - 10 of 62 | << page >> |
Sort by
|
Choose an application
Choose an application
Hypercatabolic malnutrition caused by injury is characterized by a loss of lean body mass, particularly in muscle, which is parallel to the morbidity and mortality risk.
The role of proinflammatory cytokines in this loss of lean body mass is established. IGF-I is a growth factor, which exerts paracrine anabolic and anti-catabolic actions in muscle.
Our study has investigated whether cytokines, especially TNF-α might exert its catabolic action by inhibiting IGF-I expression in muscle.
We showed that LPs injection, a consitutent of bacterial wall, which causes a catabolic reaction, stimulates TNF-α while inhibits IGF-I expression in skeletal muscle. The kinetics of these changes suggests a causal relationship between the induction of TNF-α and the inhibition of IGF-I.
We also showed that TNF-α directly inhibits IGF-I expression in a muscle cell line. This effect is dose- and time-dependent. It does not result from the inhibition of differentiation or cellular death. It is specific to IGF-I. It is not mediated through NO production. The activation of the transcription factor NFκB by TNF-α is not sufficient to inhibit IGF-I expression. IL-1β; IL-6 and IFN-γ, the other pro-inflammatory cytokines released by LPS do not inhibit IGF-I expression.
Our study showed therefore that TNF-α induced in muscle by LPS injection can inhibit by a paracrine or autocrine pathway the IGF-I expression and by this way contribute to protein hypercatabolism La malnutrition hypercatabolique causée par une agression se caractérise par une perte de masse maigre, surtout musculaire, corrélée au risque de morbidité et de mortalité.
Le rôle des cytokines pro-inflammatoires dans cette perte de masse maigre est établi. L’IGF-I est un facteur de croissance qui exerce par voie autocrine des effets anaboliques et anti-cataboliques au niveau du muscle.
Notre travail a cherché à savoir si les cytokines, le TNF-α en particulier, pourraient exercer leur action catabolique en inhibant l’expression musculaire d’IGF-I.
Nous montrons que l’injection de LPS, endotoxine libérée par les bactéries gram négatif, qui induit un état catabolique aigu chez le rat, stimule l’expression de TNF-α et inhibe celle d’IGF-I dans le muscle squelettique. La cinétique de ces changements suggère une relation de cause à effet entre l’induction de TNF-α et l’inhibition d’IGF-I.
Nous montrons ensuite de la TNF-α inhibe l’expression d’IGF-I dans une lignée de cellules musculaires C2C12. Cet effet est dose- et temps-dépendant et ne résulte ni d’une inhibition de la différenciation, ni d’une mort cellulaire. Il est spécifique à l’IGF-I. Il n’est pas médié par la production de NO. L’activation du facteur de transcription NFκB par le TNF-α n’est pas suffisante pour inhiber l’expression d’IGF-I. L’IL-1β, l’IL-6 et l’IFN-γ, autres cytokines pro-inflammatoires également libérée par le LPS, n’inhibent pas l’expression d’IGF-I. Notre travail montre donc que le TNF-α induit au niveau musculaire par l’injection de LPS peut inhiber par voie autocrine ou paracrine l’expression d’IGF-I et ainsi contribuer à l’hypercatabolisme protéique
Choose an application
Malnutrition in hospital is frequent and difficult to diagnose due to absence of “gold standard” to assess nutrition. Malnutrition is associated with high morbidity and mortality.
The aim of this work is to develop screening’s and diagnosis’ tools for hospital malnutrition. To answer this question, the nutritional status of 505 patients is assessed within 48 h of admission in St-Luc hospital.
Our study shows that malnutrition is a frequent problem in St-Luc hospital. Indeed, based on subjective global assessment (SGA), a third of patients are malnourished with 20% moderately malnourished and 10% severely malnourished.
Our works shows also that SGA correctly reflects the nutritional status assessed by objective parameters. Indeed, the association between SGA on one hand and body mass index, body composition (anthropometry and impedance) on the other hand is excellent. Furthermore, there is an association between SGA and biologic parameters (albumin, transthyretin and IGF-I) but it is weak.
By contamination of several specific questions, we developed a malnutrition screening tool with subjective global assessment as the “Gold Standard” for defining malnutrition. This score is based on the answer to two questions: “Have you lost weight recently without trying?” and “Have you been eating poorly because of a decreased appetite?”. Subjects obtained a malnutrition screening score between 0 and 5. The cutoff value with the highest sensitivity and specificity was 2. The sensitivity and sensitivity of the malnutrition screening tool was 75% and 78%. There was a significant difference in the mean values of the objective nutritional parameters between subjects who were at risk of malnutrition and subjects who were not a risk of malnutrition.
Our data show that plasma proteins (albumin, transthyretin, IGF-I), in opposition to SGA, don’t reflect the nutritional status defined by objective parameters. Only albumin levels are significantly different patients regarded as well nourished and patients regarded as nourished by SGA.
The malnutrition screening tool and the SGA are simple, reliable and valid to respectively screen and diagnose malnutrition in hospital La dénutrition hospitalière est fréquente et reste difficile à diagnostiquer en raison de l’absence de « gold standard » pour évaluer l’état nutritionnel. Elle est associée à une morbidité et une mortalité élevée.
Le but de ce travail est de développer des outils de dépistage et de diagnostic de la dénutrition hospitalière. Pour répondre à cette question, l’état nutritionnel de cinq cent et cinq patients adultes a été évalué dans les 48 heures de leur admission aux Cliniques universitaires St-Luc.
Notre travail montre que la dénutrition est un problème relativement fréquent aux Cliniques universitaires St-Luc. En effet, en se basant sur « l’évaluation subjective globale » ou SGA, un tiers de patients sont dénutris, soit 20% modérément dénutris et 10% sévèrement dénutris.
Notre travail montre que le SGA reflète correctement l’état nutritionnel évalué par un ensemble de paramètres objectifs. En effet, la relation entre le SGA d’une part et l’indice de masse corporelle et la composition corporelle (anthropométrie et bioimpédance) d’autre part est excellente. Par contre, la relation entre SGA et les paramètres biologiques (albumine, pré albumine, IGF-I) est plus faible.
En combinant une série de questions spécifiques, nous avons construit un score de dépistage de dénutrition en utilisant le SGA comme « gold standard ». Ce score est basé sur la réponse à deux questions : « Avez-vous perdu récemment du poids et involontairement ? » et « Mangez-vous moins à cause d’une diminution d’appétit ? ». Les valeurs obtenues lors du score nutritionnel s’échelonnent entre 0 et 5 oints. L’analyse par courbe ROC démontre que la valeur seuil de 2 est associée au meilleur couple « sensibilité-spécificité ». Ce score a une sensibilité de 75% et une spécificité de 78%. Le classement de patients selon ce score permet d’identifier deux groupes de sujets dont l’état nutritionnel basé sur des paramètres objectifs diffère significativement.
Nos données montrent que la mesure des protéines plasmatiques (albumine, préalbumine, IGF-I), contrairement au SGA, ne reflète pas l’état nutritionnel déterminé par des paramètres objectifs. Seule l’albumine est significativement différente entre les patients considérés comme bien nourris et ceux considérés comme dénutris par le SGA.
La simplicité et l’absence de données mesurables font du score nutritionnel développé et du SGA de précieux outils respectivement pour le dépistage et le diagnostic de la dénutrition à l’hôpital.
Choose an application
Choose an application
Choose an application
INSULIN-LIKE GROWTH FACTOR II --- PHARMACOLOGY --- INSULIN-LIKE GROWTH FACTOR II --- PHARMACOLOGY
Choose an application
Growth Hormone --- Glucose --- Insulin-Like Growth Factor I --- Insulin-Like Growth Factor II --- Insulin-Like Growth Factor Binding Protein 1 --- blood --- administration & dosage --- analysis
Choose an application
Pathological endocrinology --- Insulin-like growth factor i --- Receptors, somatotropin --- Somatropin
Choose an application
Hypercatabolic states caused by injury such as burns, sepsis, and trauma are characterized by loss of lean body mass, particularly muscle, which is associated with increased morbidity and mortality. These Hypercatabolic states are characterized by increased production of cytokines and glucocorticoids and by low muscular and circulating IGF-I concentrations. Given its anabolitic and anticatabolic actions, this growth factor has been proposed to prevent loss of muscular body mass caused by Hypercatabolic states. However, many works show that the anticatabolic action of IGF-I could be inhibited in many models of Hypercatabolic states.
Our study investigated in a muscle cell line whether proinflammatory cytokines and glucocorticoids might inhibit the antiproteolytic action of IGF-I. We showed that inflammatory cytokines and glucocorticoids don’t inhibit the antiproteolytic action of IGF-I. We also showed that IGF-I exerts its antiproteolytic action through the phosphatidylinositol-3 kinase pathway. Most of the basal proteolysis in the muscle cell line is mediated by activation of the ubiquitin-proteasom system. The antiproteolytic action of IGF-I partially results from inhibition of this system but also of other proteolytic systems non investigated in our study.
To define the genes of the ubiquitin-proteasom system responsible for the muscular antiproteolytic action of IGF-I, we studied the regulation of several genes of this system after fasting with or without IGF-1 administration. We showed that fasting induces especially some ubiquitin-ligases recently identified and known as Mafbx and Atrogin-1. We also showed that IGF-I injection strongly inhibits the induction of these genes by fasting. These data suggest therefore that the reduction of circulating IGF-I concentrations during fasting may contribute to the induction of these ubiquitin-ligases and probably to the muscular proteolysis caused by fasting Les états hypercataboliques se caractérisent par une perte importante de masse maigre et notamment de muscle, corrélé au risque de morbidité et de mortalité. Ces états hypercataboliques s’accompagnent presque toujours de taux élevés de cytokines pro inflammatoires et de glucocorticoïdes et d’une diminution des concentrations circulantes et musculaires d’IGF-I, un facteur de croissance doué de propriétés anaboliques et anti cataboliques au niveau du muscle. L’administration d’IGF-I pourrait être utilisée pour freiner la perte de masse musculaire dans ces situations. Cependant, plusieurs travaux montrent que l’action anti catabolique de l’IGF-I est inhibée dans plusieurs modèles d’états hypercataboliques.
Notre travail a cherché à savoir si les cytokines pro inflammatoires et les glucocorticoïdes sont capables de bloquer l’action anti protéolytique de l’IGF-I dans un modèle de cellules musculaires en culture. Nos données montrent que l’action anti protéolytique de l’IGF-I in vitro n’est pas bloquée par les cytokines pro inflammatoires et les glucocorticoïdes. Nous montrons que l’IGF-I exerce son effet anti protéolytique en utilisant la voie de la phosphatidylinositol-3 kinase. Alors que la protéolyse de base est due à l’activation du système protéolytique ubiquitine-protéasome-ATP-dépendant, nous montrons que l’effet anti protéolytique de l’IGF-I résulte en partie de l’inhibition de ce système, mais aussi d’autres systèmes protéolytiques non investigués dans notre étude.
Afin de définir les gènes du système ubiquitine-protéasome qui sont responsables de l’action anti protéolytique de l’IGF au niveau musculaire, nous avons étudié la régulation de plusieurs gènes de ce système en réponse au jeûne avec ou sans administration d’IGF-I. Nous montrons que le jeûne chez le rat induit spécifiquement certaines ubiquitine-ligases récemment décrites (Mafbx et atrogine-1). Nous montrons également que l’injection d’IGF-I atténue fortement l’induction de ces gènes par le jeûne. Ces données suggèrent donc que la réduction des taux d’IGF-I circulants au cours du jeûne contribue à l’induction de ces ubiquitine-ligases et donc probablement à la protéolyse observée en réponse au jeûne
Choose an application
Children’s undernutrition by screening is not yet systematic done in hospital. In order to identify the nutritional risk (low, moderate, high), a simple, rapid and efficient algorithm has been elaborated. 401 patients have been studied (average age: 13.6 months). They were admitted in different medicals wards such as general paediatric, cardiology, gastroenterology and neurology or in surgical ward. Medical, anthropometric and biological data have been collected. The decisional tree’s elaboration has been founded on the basis of “Nutritional Risk Score” (REILLY, 1995). According to Reilly, 10% of the studied population are at high risk, whereas the 90% others share in equal parts low and moderate risks. The software used is a version of the algorithm CART by Splus.
Based on medical date, a first decisional tree (tree “A”) has been elaborated. The variables “food intake”, “diarrhoea”, vomiting” and “weight loss” appear to be significant in the nutritional risk identification. The results showed 72% of sensibility and 86% of specificity. Each child subject to a risk will be classified accordingly. However, the negative predictive value as at 73.4% and the misclassification error rate is at 28%. Low risk children ware determined with less precision. Consequently, a complementary tree, introducing the variable “weight/height”, applied to those low risk children, had allowed to better target the moderate risk by Reilly, Then, the misclassification error rate is reduce to 8%.
A second decisional tree (tree “B”) has been composed of medical data but this time the variable “weight/height” has been used since the beginning. This tree may be applied to the entire population and gives better results back (sensibility 84%, specificity 94% and misclassification error rate 15%).
Both trees are quick tools to detect a risk of undernutrition to1 to 36 months old children. “A” tree is the fasted, “B” the most reliable but it needs one more measurement.
In this “end of studies work”, measurements of IGF-I have been used to elaborate references for 1 to 36 months old children. The IGF-I’s role like undernutrition-scorer has been tested but it seems to be unsignificant. La dénutrition chez l’enfant à l’hôpital ne fait pas encore l’objet d’un dépistage systématique. Afin de situer le risque nutritionnel (faible, moyen, élevé), un algorithme simple, rapide et efficace a été élaboré. Ont été étudiés 401 patients, moyenne d’âge 13.6 mois, hospitalisés dans les services de pédiatrie générale, chirurgie, cardiologie, digestive et neurologie. Des données anamnestiques, anthropométriques et biologiques ont été recueillies. L’élaboration de l’arbre décisionnel a été fondé sur le « Score de Risque Nutritionnel » (REILLY, 1995). Selon Reilly, 10% de la population étudiés sont à risque sévère tandis que les 90% restants se répartissent en parts égales les risques faible et moyen. Le logiciel utilisé est une variante de l’algorithme CART de Splus. Un premier arbre de décision (arbre A) a été élaboré au départ des données anamnestiques. Les variables « ingestats », « vomissements », « diarrhées » et « notion de la perte du poids » se montrent déterminantes dans la classification du risque nutritionnel. Une sensibilité de 72% et une spécificité de 86% ont été obtenues. Tout enfant à risque sera classé comme tel. Cependant, la valeur prédictive négative est de 73.4% et le taux d’erreur empirique est de 28%. Les enfants à risque faible étant classés avec moins de précision, un arbre complémentaire appliqué à ceux-ci, introduisant la variable « rapport poids/taille », a permis de mieux cerner les enfants considérés à risque moyen par Reilly. Le taux d’erreur empirique est alors ramené à 8%.
Un second arbre (arbre B) a été constitué à partir des données anamnestiques et du « rapport poids/taille ». Applicable à toute la population, il a été proposé afin d’obtenir d’emblée une meilleure classification du risque nutritionnel (sensibilité de 84%, spécificité de 94% et taux d’erreur empirique de 15%).
Les 2 arbres obtenus constituent 2 outils rapides de détection du risque nutritionnel chez les enfants de 1 à 36 mois. L’arbre A est le plus rapide, l’arbre B le plus fiable mais il nécessite une mesure supplémentaire.
Dans ce mémoire, les dosages de l’IGF-I ont contribué à l’élaboration de courbes de référence pour les enfants de 1 à 36 mois. De plus, le rôle de l’IGF-I comme marqueur nutritionnel a été étudié mais est apparu non significatif
Listing 1 - 10 of 62 | << page >> |
Sort by
|