Препараты повышает иммунитет: Лекарства для иммунитета купить по низкой цене в Москве в интернет аптеке

( a ) Схематический обзор этапов интеграции и обработки данных.( b ) Схематическое изображение алгоритма сопоставления и распределения баллов. ( c ) Резюме изученных иммунологических изменений состояния клеток. ( d ) Мультяшная диаграмма влияния лекарств на изменения состояния иммунных клеток, предсказываемых знаком оценки иммуномода.

Создание хемогеномных профилей лекарств

Карта связности (CMap) — это хранилище данных профилей транскрипционной экспрессии в масштабе всего генома, собранных в 6 100 экспериментальных условиях 1309 уникальных соединений, примененных к линиям клеток человека ²³ .Каждое возмущение представлено списком дифференциально экспрессируемых генов, ранжированных нами на основе кратности изменения. Чтобы зафиксировать консенсусный профиль соединения в разных условиях, мы объединили несколько экспериментов (то есть с разными концентрациями лекарств или клеточными линиями) для одного и того же соединения в единый ранжированный список прототипов (PRL), используя иерархическую схему большинства голосов ^28,29 (). Коллекция ПРЛ создала всеобъемлющий ресурс для разработки инструмента систематического скрининга для поиска связей между лекарственными нарушениями и иммунологическими состояниями (дополнительная таблица 3).

Построение IP-карты

Мы создали общесистемную карту взаимодействия между лекарствами и иммунными клетками, сопоставив 1309 профилей пертурбации лекарств в CMap с 304 изменениями состояния иммунных клеток, которые мы курировали из сборника ImmGen. Наш алгоритм сопоставления оценивает сходство между двумя паттернами транскрипционной экспрессии путем сравнения генов с верхним и нижним ранжированием из обоих профилей ^20,21 (дополнительный рис. 4 и методы). В частности, мы проверили сходство между профилями изменения иммунологического состояния (состояние B vs.состояние A) для каждого из профилей нарушения лекарственного средства (леченых против необработанных) путем вычисления показателя иммунодефицита на основании перекрытия генов, занимающих верхние и нижние позиции в каждом профиле. Положительный результат по иммунному модулю указывает на то, что профиль лечения конкретным лекарством подобен состоянию иммунных клеток B и предполагает, что лекарство смещает иммунную клетку в сторону состояния B, тогда как отрицательный результат свидетельствует о том, что лечение препаратом сдвигает клетку к состоянию A ().

Чтобы оценить значимость наших предсказанных взаимодействий между лекарственными средствами и клетками, мы сгенерировали случайные профили пертурбаций лекарственных средств для каждого соединения и повторили анализ 1000 раз для каждого изменения состояния иммунных клеток (дополнительный рис.4а и методы). Полная вычислительная интеграция наборов данных CMap и ImmGen дала 397 936 потенциальных связей между лекарствами и изменениями состояния иммунных клеток. Чтобы оценить, была ли предсказанная связь надежной, мы варьировали размер набора генов с верхним и нижним рейтингом, используемых для алгоритма сопоставления, и пересчитали все ~ 400 000 пар «оценка-p-значение» иммуномода. Пропорция каждого взаимодействия лекарственного средства с клеткой была значительной среди всех размеров набора генов, обеспечивающая относительный вес для каждого предсказанного взаимодействия (дополнительный рис.4б, в). Большие веса указывают на то, что данное взаимодействие лекарственное средство-клетка меньше зависит от размера набора, выбранного для расчета оценки иммунодефицита, и означает надежную связь. Этот процесс выбора позволил обнаружить ранее неизвестные взаимодействия при минимизации ложных соединений (дополнительный рисунок 5).

Используя значимые и надежные взаимодействия, мы установили связи между лекарствами и изменениями состояния иммунных клеток для создания всеобъемлющей IP-карты. Карта IP содержит 69 995 соединений (дополнительная таблица 4), которые значимы при FDR менее 5% и появляются в> 85% размеров набора генов.Хотя каждое лекарство показало значительную связь по крайней мере с одним из 304 изменений иммунологического состояния, наиболее частое количество переходов между состояниями составляет 26, и 144 препарата влияют на 100 или более изменений состояния (дополнительный рисунок 6). Лекарства, которые, по прогнозам, влияют на наибольшее количество переходов состояний иммунных клеток, включают мощные иммуномодуляторы, многие из которых вызывают значительную иммуносупрессию (). Лекарства с иммуномодулирующей активностью (например, противовоспалительные средства, антигистамины и иммунодепрессанты) демонстрируют значительное улучшение взаимодействия иммунных клеток ( E = 1.5, P = 0,002, E = 1,4, P = 0,04, E = 2,1, P = 0,02 , соответственно, и дополнительная таблица 5).

Таблица 1

Предполагается, что лекарственные препараты влияют на наибольшее количество изменений иммунного статуса.

Глобальные свойства IP-карты

Чтобы изучить глобальный ландшафт IP-карты, мы использовали оценку Immunemod в качестве метрики сходства и организовали полную набор взаимодействий лекарств и иммунных клеток посредством неконтролируемой иерархической кластеризации ().Мы обнаружили, что препараты с похожими терапевтическими классами группируются вместе. Например, антипсихотические препараты (клозапин, локсапин, галоперидол и флуфеназин) образовали кластер, так же как и аналоги пурина (меркаптопурин и тиогуанин) и блокаторы кальциевых каналов (дексверапамил, бепридил и пергексилин). Предполагается, что эти три кластера будут взаимодействовать с наибольшим числом переходов подмножества иммунных клеток. Кластеры лекарств также показали обогащение по той же молекулярной мишени. Например, противодиабетические препараты троглитазон и розиглитазон нацелены на PPARG и ACSL4 как часть их механизма действия по снижению уровня глюкозы в крови.Основываясь на показателях иммунитета, эти препараты могут влиять на наивные CD4 ⁺ Т-клетки и NK-клетки, что дает потенциальное объяснение терапевтических преимуществ, наблюдаемых у пациентов с аутоиммунным заболеванием ^32,33 .

( a ) Кластерная тепловая карта лекарств и изменений состояния иммунных клеток, организованная по счету иммуномода. Диаграммы Венна отражают количество лекарств, которые изменяют состояния иммунных клеток в определенном или неспецифическом направлении.( b ) Двумерная тепловая карта стабильных кластеров клеток и лекарств со значительным обогащением по крайней мере для одного типа клеток (строки) или терапевтического класса уровня 1 (столбцы). К терапевтическим классам относятся: H = системные гормональные препараты, искл. половые гормоны и инсулины, V = различные, B = кровь и кроветворные органы, P = противопаразитарные средства, M = костно-мышечная система, L = противоопухолевые и иммуномодулирующие средства, G = мочеполовая система и половые гормоны , R = дыхательная система, A = пищеварительный тракт и обмен веществ, D = дерматологические средства, J = противоинфекционные средства для системного применения, S = органы чувств, N = нервная система и C = сердечно-сосудистая система.Области соответствующих кружков представляют количество клеток или лекарства в кластере (2–14 клеток, 2–13 препаратов). Квадраты серого цвета указывают на предсказанное взаимодействие по крайней мере между одной парой клеток-лекарств в парах кластеров.

Мы идентифицировали 28 лекарств, связанных с более поздними стадиями развития клонов нескольких типов клеток (например, стволовые / предшественники и пре-В-клетки; дополнительная таблица 6). Эти препараты включают соединения, используемые для лечения заболеваний обмена веществ и нервной, скелетно-мышечной и дыхательной систем, или являются противоинфекционными средствами.Более того, эти 28 препаратов обогащены (i) агентами с иммунодепрессивной, антипсориатической и дофаминергической активностью и (ii) соединениями, которые нацелены на связанный с хроматином фермент PARP1, который является ключевой регуляторной молекулой для дифференцировки и пролиферации ^{34, 35} . Напротив, 17 соединений влияют на субпопуляции незрелых гемопоэтических клеток (дополнительная таблица 7). Эти соединения не связаны с одним терапевтическим классом, но их молекулярные мишени обогащены процессами, связанными с активностью оксидоредуктазы и репарацией алкилирования, которые важны для дифференциации и поддержания целостности стволовых клеток ^36,37 .

Чтобы дополнительно охарактеризовать взаимодействие лекарств и иммунных клеток, мы выполнили неконтролируемую иерархическую кластеризацию с многоуровневой загрузочной повторной выборкой ³⁸ . Из 143 изменений типов ячеек 119 подходят к одному из 25 стабильных кластеров ячеек ( P <0,05, многомасштабный анализ начальной загрузки) (дополнительная таблица 8). Почти половина (13/25) стабильных кластеров клеток демонстрировала значительное избыточное обогащение (E> 2, P <0,05) для одного или нескольких типов клеток (дополнительная таблица 9).Для сравнения, 1089 лекарств из 1309 в общей сложности попали в один из 409 стабильных кластеров лекарств ( P <0,05, многомасштабный бутстрап-анализ) (дополнительная таблица 10). Почти 87% (356/409) стабильных кластеров лекарств показали значительное избыточное обогащение (E> 4, P <0,05) для одного или нескольких терапевтических классов (уровни классификации ATC 1-3) или молекулярной мишени, Дополнительная таблица 11). Например, 88 кластеров лекарственных средств значительно обогатились по крайней мере для одного описания уровня 1 системы классификации анатомо-терапевтических химических веществ (АТХ).Обогащение обусловлено обилием антитромботических агентов или витамина K и других кровоостанавливающих средств (B), контрастных агентов или диагностических радиофармпрепаратов (V), а также алкилирующих агентов, цитотоксических антибиотиков, гормональных антагонистов или иммунодепрессантов (L) (дополнительные Рис.7).

Чтобы изучить особенности стабильных кластеров более подробно, мы идентифицировали 53 кластера лекарств, обогащенных для терапевтического класса и молекулярной мишени, и пересекли эти кластеры с 13 кластерами клеток, обогащенными для одного или нескольких типов клеток ().Пересекающиеся кластеры показали, что определенные подмножества иммунных клеток (например, пре-лимфоциты, моноциты, NKT-клетки и гамма-дельта-Т-клетки) перекрываются с несколькими категориями лекарств, тогда как другие подмножества (например, В-клетки и макрофаги) пересекаются с парные категории. Несколько кластеров лекарств (например, cl195, cl335) влияли на несколько типов клеток, тогда как другие кластеры (например, cl2, cl48, cl49, cl97) влияли на один тип клеток. Кластер лекарств с наибольшим перекрытием иммунных клеток (cl195) был обогащен противоопухолевыми препаратами, которые являются цитотоксическими антибиотиками (например, доксорубицином и митоксантроном).

Мы обнаружили сильную положительную связь между количеством молекулярных мишеней для данного лекарственного средства и количеством предполагаемых взаимодействий, влияющих на переходы иммунологического состояния ( P = 1,7 × 10 ⁻⁵ , линейная регрессия). Когда мы исследовали нежелательные лекарственные взаимодействия с использованием ресурса по побочным эффектам (версия 2) ¹ , мы не обнаружили взаимосвязи между сообщаемым количеством побочных эффектов для лекарства и количеством взаимодействий с иммунными клетками ( P = 0.8, линейная регрессия). Однако, поскольку данные о побочных эффектах имеют широкое частотное распределение и их трудно точно измерить ² , это отсутствие корреляции может отражать вариацию, присущую систематической ошибке регистрации и сообщения о побочных эффектах.

Соединения и субструктуры в IP-карте

Чтобы изучить возможные иммунологические результаты, которые могут возникнуть в результате соединений в IP-карте, мы сосредоточились на изменениях состояния иммунных клеток между субпопуляциями клеток или тканями. Переходы между лекарственными средствами и клетками были организованы по терапевтическим классам и категориям перехода состояний иммунных клеток (например,g., внутри подмножества или между тканями), чтобы обеспечить обзор всех предсказанных связей, которые являются статистически значимыми (дополнительный рис. 8). Мы идентифицировали неразборчивые наркотики по их взаимодействию с большим количеством переходов подмножества (). Учитывая неравномерное распределение типов клеток в пределах подмножества изменений состояния (дополнительная таблица 1), мы определили концентраторы лекарств на основе взаимодействий с наибольшим количеством типов клеток, которые, как мы предполагаем, могут иметь наибольшее влияние на иммунную систему.Напротив, островки лекарств были определены на основе взаимодействия с наименьшим количеством клеток ().

( a ) Круговая схема прогнозируемых связей между лекарствами и типами клеток (все связи статистически значимы P <0,05 с FDR <5%, см. Методы). Ширина линии соответствует количеству взаимодействий. Диаграмма была организована путем сортировки типов клеток против часовой стрелки (лекарства по часовой стрелке) в порядке убывания количества соединений.Однобуквенные коды для каждого препарата соответствуют системе анатомической терапевтической классификации, как описано в. ( b ) Подсеть, показывающая концентраторы и островки лекарств (квадратные узлы в центре и на периферии соответственно) и их предсказанные взаимодействия с подмножествами иммунных клеток (кружки). Каждый квадратный узел представляет собой одно лекарство (например, четыре центральных узла, обозначенных буквой L, представляют, против часовой стрелки сверху, препараты даунорубицин, азацитидин, вориностат и метотрексат). ( c ) Лекарства, идентифицированные на IP-карте на основе их иммунной оценки, по прогнозам, увеличивают частоту нейтрофилов и моноцитов в крови.( d ) Подтверждение предсказания лекарств в иммунных клетках человека. Влияние лекарств (+ = лекарство, — = отсутствие лекарственного средства) на количество клеток, измеренное по лабораторным данным пациентов в электронных медицинских записях Mount Sinai (количество и частота клеток). Высота столбцов представляет собой среднее количество (нейтрофилы) или частоту (моноциты), а нижняя / верхняя граница столбцов ошибок отражают межквартильные диапазоны (от 25% до 75% данных соответственно). Значимость оценивалась с помощью критерия суммы рангов Вилкоксона.

Таблица 2

Предполагается, что лекарственные препараты повлияют на наибольшее количество изменений иммунной подгруппы.

Хабы были обогащены противоопухолевыми препаратами (E = 13.8, P <1 × 10 ⁻⁵ ) (дополнительный рис. 9), чего можно было ожидать, учитывая влияние этих соединений на иммунные клетки ^1,2 . Хабы также были обогащены соединениями нервной системы, такими как селективный ингибитор обратного захвата серотонина зимелдин (E = 1,3, P <0,04), который был снят с продажи из-за редкой, но серьезной побочной реакции, приводящей к аутоиммунному состоянию, известному как Синдром Гийена-Барре ³⁹ и противосудорожный препарат топирамат, который оказался эффективным средством лечения воспалительного заболевания кишечника на доклинической модели ²¹ (дополнительный рис.10а). Напротив, островки лекарств были обогащены метаболическими лекарствами, которые включали антидиабетические соединения гликидон и метформин (дополнительный рис. 10b). Этот метаболический остров, который мы идентифицировали на карте IP, отражает низкую связность, обнаруженную при метаболических заболеваниях в сети болезней человека ⁴⁰ .

Чтобы исследовать препараты, которые, по прогнозам, будут влиять на часть адаптивной иммунной системы, мы определили подсеть, основанную на наибольшей величине иммунных оценок для субпопуляций Т-клеток и тканей (дополнительный рис.11). Эта подсеть включает более тысячи соединений, которые, по прогнозам, будут влиять на подмножества CD4 ⁺ или CD8 ⁺ , при этом 113 и 202 соединения являются уникальными для каждой группы соответственно. Наивысшая оценка иммунодефицита для этой подсети находится между CD4 ⁺ FoxP3 ⁺ Т-клетками и гуанфацином (дополнительные рисунки 12, 13а). Гуанфацин — агонист рецептора α2A (ADRA2A), используемый для снижения артериального давления и лечения СДВГ ⁴¹ .

Чтобы убедиться, что оценка иммунодефицита определяет влияние препарата на конкретную субпопуляцию клеток, мы вводили мышам антигипертензивный препарат гуанфацин и измеряли процентное содержание регуляторных субпопуляций Т-клеток, выделенных из селезенки.Основываясь на оценке иммуномода, мы пришли к выводу, что частота регуляторных Т-клеток должна увеличиваться после лечения гуанфацином. По сравнению с необработанными мышами, обработанные мыши показали 5% увеличение средней частоты клеток CD62L ⁺ в компартменте Т-клеток CD4 ⁺ FoxP3 ⁺ (42,0% против 37,0%: n = 15 обработанных против n = 14 необработанных, P = 0,01, дополнительный рисунок 13b).

Когда мы исследовали подмножества CD8 ⁺ , наивысший балл по иммунодефициту получил антипаркинсонический препарат тригексифенидил.Одной из молекулярных мишеней тригексифенидила является мускариновый ацетилхолиновый рецептор M1 (CHRM1). Когда ген, кодирующий эту молекулярную мишень, нокаутирован в модели на мышах, клетки CD8 ⁺ этих мышей проявляют дефектную цитотоксическую способность ⁴² .

Подтверждение взаимодействия лекарств с иммунными клетками у людей

Данные об иммунных клетках были собраны у мышей, а данные о лекарственных нарушениях были собраны из линий раковых клеток человека. Одна из проблем, связанных с интеграцией этих данных, заключается в том, применимы ли результаты, полученные на мышах, для людей.Мы проверили, могут ли взаимодействия, предсказанные картой IP, наблюдаться у людей, изучив количество иммунных клеток у пациентов, которым вводили лекарство, по сравнению с пациентами, не получавшими лечения. Чтобы сравнить популяции пациентов, мы изучили полные анализы крови для более чем 2,3 миллиона электронных медицинских карт в системе больниц Mount Sinai и отобрали людей, которые прошли лечение и у которых был собран анализ клеток крови в течение одного месяца после приема лекарства.

Учитывая ограничения рутинных клинических лабораторных тестов, которые можно найти в электронных медицинских записях, мы ограничили предсказания IP-карты двумя распространенными препаратами, которые, по прогнозам, влияют на моноциты и нейтрофилы.IP-карта предсказывала, что общий анестетик пропофол и антигипертензивный спиронолактон будут увеличивать количество нейтрофилов и моноцитов соответственно (). Пропофол увеличивал количество нейтрофилов на 2500 клеток / мм ³ , а спиронолактон увеличивал частоту моноцитов на 1,6% (). Хотя изменения клеточной популяции были небольшими, оба сдвига были значительными ( P <1 × 10 ⁻¹⁰⁰ , сумма рангов Вилкоксона). Более того, увеличение количества нейтрофилов у большинства пациентов привело к выходу за верхний предел нормы.Чтобы подтвердить эти наблюдения, мы исследовали те же пары лекарств и иммунных клеток в электронных медицинских записях Медицинского центра Колумбийского университета. Этот независимый источник данных показал одинаковую направленность и значимость обоих препаратов и их прогнозируемого влияния на иммунные клетки (дополнительная таблица 12).

Подтверждение влияния клиохинола на миграцию нейтрофилов

Чтобы оценить точность и специфичность предсказанного взаимодействия на карте IP, мы экспериментально подтвердили влияние лекарственного препарата клиохинол на миграцию нейтрофилов из костного мозга в кровь.Эта гипотеза возникла из прогноза с наивысшим показателем иммунодефицита (), а также из желания идентифицировать лекарство, которое могло бы изменять динамику иммунной системы между тканями и которое было бы легко оценить с обильным типом клеток in vivo . Более того, регуляция нейтрофилов играет решающую роль в здоровье и болезнях, поэтому новые лекарства, изменяющие их кинетику, могут иметь терапевтический потенциал ^43–45 .

Показатели Immunemod для влияния на иммунные клетки между тканями с использованием ( a ) клиохинола или ( b ) амантадина.Этикетки указывают направление влияния лекарственного средства на тип клеток между тканями x -> y, а ширина столбца — это величина оценки иммунодефицита. Показаны значительные и устойчивые взаимодействия лекарств с клетками. Оранжевые стрелки отражают предполагаемое максимальное взаимодействие с клиохинолом и отсутствие взаимодействия с амантадином. Фиолетовые стрелки указывают на предсказанные взаимодействия с дополнительной экспериментальной проверкой. ( c ) Графики биаксиальной проточной цитометрии клеток Gr-Ly6G ⁺ и CD11b ⁺ , собранных из различных тканей обработанных и необработанных мышей.Клетки гейтировали в популяции CD45 ⁺ DAPI ^—. ( d ) Частоты Ly6G ⁺ CD11b ⁺ нейтрофилов клеток, собранных из крови, костного мозга и брюшной полости ( n = 8 на группу). Черные столбцы отражают медианное выражение всех образцов в каждом состоянии, а нижняя / верхняя части прямоугольников представляют 25 ^-го и 75 ^-го процентилей соответственно. Данные представляют от трех до четырех экспериментов. Значимость оценивается ANOVA.( e ) Количественный анализ экспрессии маркерных генов нейтрофилов. Содержание каждого транскрипта в селезенке, печени, легких и костном мозге (BM) рассчитывали относительно соответствующего контроля (PEG400 для клиохинола или PBS для амантадина). Каждое экспериментальное условие включает 8 образцов. Значимость оценивается ANOVA. ( f ) Деревья SPADE данных CyTOF, собранные из клеток селезенки. Стрелками выделено увеличение популяции Gr-Ly6G ⁺ CD11b ⁺ после лечения клиохинолом.Горизонтальные цветовые шкалы представляют собой среднюю интенсивность указанного маркера (синий = низкий, красный = высокий).

Мы выбрали два препарата для эксперимента на основе их иммунных оценок и p-значений. Эти статистические показатели определили наивысший балл иммунодефицита и соответствующее самое низкое значение p для прогнозируемого сочетания нейтрофилов и клиохинола (). Клиохинол является противогрибковым и противопротозойным лекарственным средством без известного механизма действия, но это соединение было протестировано на доклинической модели болезни Альцгеймера ^46,47 .В качестве контроля мы выбрали противовирусный и противопаркинсонический препарат амантадин в качестве контрольного препарата, потому что наш алгоритм предсказал нулевую оценку иммуномода для взаимодействия амантадин-нейтрофил (). Основываясь на показателях иммунитета, мы предположили, что клиохинол будет влиять на миграцию нейтрофилов из костного мозга в кровь, тогда как амантадин не будет влиять на миграцию нейтрофилов ().

Чтобы оценить прогнозируемое влияние клиохинола на нейтрофилы in vivo , мы вводили мышам C57BL / 6 клиохинол или контрольный носитель ( n = 8 обработанных и n = 8 необработанных).После лечения клиохинолом, но не контролем, нейтрофилы рекрутировались в брюшную полость (дополнительный рис. 14). У мышей, получавших клиохинол, более 70% гемопоэтических клеток в полости были нейтрофилами, тогда как у мышей, получавших только носитель, менее 5% были нейтрофилами, как и у необработанных мышей. Этот набор совпадал с мобилизацией нейтрофилов из костного мозга в кровь (дополнительный рис. 14). Более того, анализ кПЦР собранных образцов ткани выявил повышенное количество транскриптов нейтрофил-специфических хемокинов, таких как Cxcl1, Cxcl2 и Cxcl5 ().Мы также обнаружили транскрипт Cxcr2 , что свидетельствует об инфильтрации нейтрофилов в анализируемых образцах.

Как и предполагалось, у мышей, получавших амантадин, не было значительного изменения частоты нейтрофилов в крови, костном мозге или брюшной полости (). Чтобы изучить более широкий спектр изменений иммунных клеток после лечения, мы выполнили массовую цитометрию (CyTOF) с использованием панели из 19 маркеров для оценки клеточных различий в селезенке мышей, получавших клиохинол или контрольный носитель.В соответствии с тем, что мы наблюдали с помощью проточной цитометрии, количество нейтрофилов увеличивалось (Ly6G ⁺ CD11b ⁺ клетки) после лечения клиохинолом (). Кроме того, когда мы исследовали полный набор маркеров с использованием деревьев SPADE ⁴⁸ , мы обнаружили увеличение количества наивных клеток CD8 ⁺ (CD45 ⁺ CD3 ⁺ CD4 ^— CD8 ⁺ Thy1.2 ⁺ TCRb ⁺ CD62L ^hi CD44 ^lo ) (дополнительный рис. 15), что также было предсказано нашим алгоритмом, хотя и с более низким показателем иммунодефицита ().

ОБСУЖДЕНИЕ

Мы описываем интегративный вычислительный подход для картирования эффектов лекарств на иммунную функцию. Мы сравнили хемогеномный и иммуногеномный профили и создали показатель иммунодефицита для количественной оценки вероятного влияния лекарственного воздействия на иммунную клетку на основе перекрытия их транскрипционных профилей. Хотя полный набор взаимодействий между лекарствами и иммунными клетками больше, чем то, что мы смоделировали здесь, наше систематическое изучение почти 400 000 потенциальных взаимодействий является шагом к картированию этого огромного пространства. In vivo эксперименты по подтверждению одного предсказания — что селективный агонист альфа-2А адренергических рецепторов гуанфацин увеличивает долю регуляторных Т-клеток — предположили, что лекарство, используемое для лечения гипертонии и тревоги, может быть перепрофилировано для повышения периферической толерантности. Чтобы изучить полезность использования IP-карты для выявления лекарств с наивысшими показателями иммунодефицита для данного перехода иммунологического состояния, мы предсказали, что на изменение пропорций нейтрофилов между кровью и костным мозгом наибольшее влияние окажет лекарственный препарат клиохинол.Этот вывод подтверждается пропорциями нейтрофилов, собранных из крови и костного мозга, и характером специфичных для нейтрофилов генов, экспрессируемых в различных тканях. Предыдущее исследование, в котором использовались соединения для манипулирования уровнями экспрессии Cxcr2 и Cxcr4 , показало паттерны мобилизации нейтрофилов, аналогичные наблюдаемым нами ⁴⁹ . Хотя клиохинол обладает нейротоксическим действием, эти данные предполагают его потенциальное использование в качестве краткосрочного усилителя нейтрофилов в определенных контекстах.Кроме того, это открытие предполагает, что наш подход может позволить открытие соединений, контролирующих кинетику нейтрофилов, для устранения воспалительных реакций ⁵⁰ .

Ограничение IP-карты состоит в том, что она объединяет наборы данных от мыши и человека, и поэтому предсказанные соединения могут не транслироваться в иммунные клетки человека. Несколько недавних исследований показали как сходство, так и различия между профилями транскрипции иммунных клеток у мышей и людей ^51–54 .Однако оба наших прогноза были подтверждены в электронных медицинских записях на горе Синай и в независимом наборе данных Колумбийского университета. Взятые вместе, наши вычислительные анализы и экспериментальные результаты показывают, что IP-карта фиксирует иммунные ответы как у людей, так и у мышей.

Еще одним ограничением является то, что профили препаратов CMap были созданы на ограниченном наборе линий раковых клеток с использованием полногеномного транскрипционного профилирования. Хотя усилиями проекта LINCS (http: // www.lincsproject.org) значительно расширит количество соединений и включит больше клеточных линий, вероятно, имеет смысл генерировать иммуноспецифические сигнатуры CMap по крайней мере для подмножества типов иммунных клеток для дальнейшей оценки и улучшения метода подсчета иммунных мод. Такие усилия, как обширное транскрипционное профилирование дифференцировки человеческих клеток ⁵⁵ , должны быть расширены для более полной картины человеческого иммунитета, что поможет лучше понять, как данные ImmGen будут транслироваться между видами.Мы не использовали информацию о химической структуре и признаем, что включение структурной информации и данных, отличных от профилей транскрипции ^56,57 , позволит получить более полную картину сложности воздействия лекарств на иммунную систему.

Метод статистической биоинформатики, который мы использовали для систематического изучения взаимодействий лекарств и иммунных клеток, следует подходу Колмогорова-Смирнова (KS), аналогичному тому, который использовался во многих других исследованиях ^20,23,58 . Этот метод был полезен при идентификации многочисленных биологических связей, которые впоследствии были подтверждены экспериментально.Однако ограничение традиционного подхода KS с использованием транскрипционных данных является предположением о статистической независимости транскриптов. Другие недавно предложили возможные решения для этого ограничения ^59–62 . Когда мы реализовали подход на основе PCA ⁵⁹ в наших методах, p-значения действительно выросли, как и ожидалось. В рамках этой альтернативной нулевой модели количество значимых взаимодействий уменьшается примерно в 3 раза по сравнению с методом независимой перетасовки (дополнительный рис.5). Однако кажется, что коррекция на основе PCA может быть излишне пессимистичной при низких порогах FDR ⁵⁹ . Это наблюдение, по-видимому, отражено в нашем собственном анализе, где мы обнаруживаем, что все экспериментально проверенные и подтвержденные взаимодействия падают выше порога значимости после перестановки с поправкой на PCA. Насколько нам известно, до сих пор не проводился систематический анализ различных предложенных методов обогащения на основе набора генов с поправкой на независимость на хемогеномных данных.Систематическая оценка подходов к перестановке и декорреляции экспрессии для крупномасштабного картирования хемогеномной связности является плодотворной областью для будущих исследований, особенно в связи с тем, что сообщество хемогеномиков охватывает сокращенные наборы наборов зондов с использованием платформы L1000.

Очевидно неизвестные взаимодействия, идентифицированные на IP-карте, могут включать многие, требующие экспериментального наблюдения. Другие возможные применения наших данных включают изучение вклада иммунных клеток в побочные реакции на лекарства, роль подмножеств иммунных клеток в развитии рака и других заболеваний, а также комбинированную лекарственную терапию.Более того, глобальные тенденции, извлеченные из наших данных, могут предоставить руководящие принципы и конкретные прогнозы о том, как манипулировать иммунными клетками, раскрыть механизмы действия лекарств и выбрать альтернативные соединения из той же терапевтической категории с меньшим количеством побочных эффектов иммунных клеток.

МЕТОДЫ

Данные по экспрессии генов лекарств и иммунных клеток

Изменения профиля транскрипции, вызванные лекарственными средствами, определенные из линий раковых клеток человека, были получены из базы данных ²³ карты связи (CMap).Мы обработали и проанализировали версию 2, которая включала 6 100 экспериментов с 1309 соединениями. Этапы предварительной обработки и нормализации были выполнены, как описано ранее ²³ . Чтобы сделать кросс-платформенные сравнения совместимыми, мы стандартизировали идентификаторы генов от идентификаторов зондов, специфичных для микрочипов, до идентификаторов NCBI GeneID, выбрав максимальное значение для отдельных значений экспрессии зонда. Чтобы создать единый ранжированный профиль экспрессии для каждого из 1309 соединений, мы объединили несколько экспериментов для одного и того же соединения в единый ранжированный список прототипов (PRL) после обработки, описанной ранее ^28,29 .Окончательный набор данных включал 13 071 значение дифференциальной экспрессии генов для каждого из 1309 соединений.

Данные по экспрессии генов иммунных клеток, собранные из стационарного профилирования 249 различных типов клеток, были получены из ImmGen ²⁴ . Предварительная обработка и нормализация выполнялись, как описано ранее ⁶⁴ . Поскольку профили клеток были собраны в установившемся состоянии, мы выбрали 221 уникальный тип клеток и создали 304 сигнатуры дифференциального состояния из разницы между двумя профилями устойчивого состояния (дополнительная таблица 13).Чтобы сделать межвидовые и кросс-платформенные сравнения разумными, мы стандартизировали идентификаторы генов от идентификаторов зондов, специфичных для микрочипов, до идентификаторов NCBI GeneID, сопоставили идентификаторы GeneID мыши с их человеческим ортологом и выбрали максимальное значение для отдельных значений экспрессии зонда. Наконец, мы преобразовали профили дифференциального состояния в ранжированные списки, упорядоченные по значениям дифференциальной экспрессии, создав набор данных с 11 153 значениями дифференциальной экспрессии генов для каждого из 304 изменений иммунологического состояния.

Построение IP-карты

Мы построили матрицу предсказанных взаимодействий между каждым из 1309 лекарств и 304 изменений иммунологического состояния, используя ранговую стратегию сопоставления с образцом, описанную ранее ²⁰ . Вкратце, для каждого трио размера набора лекарств, клеток и генов ( d, c, s ) мы рассчитали показатель Immunemod Score ( ImS ) на основе степени перекрытия между наборами генов лекарственного средства и иммунных клеток в крайних случаях. двух ранжированных подписей. Чтобы получить меру значимости для оценки Immunemod, мы перетасовали гены в сигнатуре ранга лекарств и рассчитали пермутированную оценку Immunemod Score ( ImS * ) для каждого триплета лекарства, клетки и набора генов [ ImS * (d _i , c _j , s _k ) ].Мы рассчитали p-значение для каждого ImS путем подсчета количества рандомизированных оценок ImS * (d _i , c _j , s _k ) , которые были больше или равны абсолютному значению фактические оценки ImS (d _i , c _j , s _k ) и деление на количество перестановок ( n _perms = 1000 ). Эта стратегия перестановки устанавливает нижнюю границу для p-значений на уровне 0,001, что дает смещенную оценку количества ложных срабатываний с учетом количества рассматриваемых гипотез.Чтобы обеспечить точные p-значения в нижнем диапазоне, в то же время ограничивая вычислительные затраты, мы использовали обобщенное распределение Парето для моделирования распределения p-значений и вычислили улучшенные оценки для низких p-значений (количество <1/100) на основе распределения баллы пермутированного иммунодефицита ³⁰ . Мы скорректировали p-значения ⁶⁵ и выбрали FDR 5% в качестве порогового значения для значимости. Для контроля ложных взаимодействий на основе размера набора генов, используемого для сопоставления, мы варьировали размер набора сопоставлений от 100 до 250 генов для каждого из верхних и нижних крайних значений и пересчитывали все оценки иммуномода, пары значений p для каждого лекарство-клеточное взаимодействие.Доля случаев, когда каждое взаимодействие лекарство-клетка было значимым среди всех размеров наборов генов, обеспечивает относительную силу для любого данного взаимодействия. Прогнозируемое взаимодействие считалось сильным и стабильным, если оно было значимым для 85% или более размеров набора.

Анализ данных

Чтобы оценить сходство между профилями экспрессии подмножеств иммунных клеток, мы рассчитали расстояние Жаккара среди всех пар генов с экстремальной кратностью изменения и использовали ANOVA для оценки различий между подмножествами иммунных клеток.Мы исследовали серию диагностических графиков и не обнаружили значительных отклонений, которые нарушали бы предположения о нормальности или гомоскедастичности.

Чтобы организовать препараты и иммунные клетки беспристрастным образом, мы применили иерархическую кластеризацию к полной матрице взаимодействия, используя вычисленный коэффициент корреляции Пирсона в качестве метрики расстояния между оценками иммунодефицита и полной кластеризацией сцепления для агломерации лекарств или клеток. Мы использовали пакет pvclust R ³⁸ для вычисления начального анализа кластеров и идентифицировали значимый кластер, если приблизительно несмещенная вероятность была> 95%.

Чтобы определить обогащение категории анатомического терапевтического класса, мы рассчитали кратное изменение и p-значение. Кратковременное обогащение (E) рассчитывалось как отношение соотношений E = (a / b) / (c / d), где a — количество лекарств с определенной категорией (например, «L») в кластере. Представляет интерес, b — количество лекарств с этой категорией в общем наборе данных, c — общее количество лекарств в кластере, а d — общее количество лекарств в целом. Мы использовали гипергеометрическое распределение для расчета p-значения и оценки значимости каждого вычисления обогащения.

Чтобы изучить связь между химическими характеристиками (например, молекулярными мишенями и побочными эффектами лекарств) и количеством взаимодействий иммунных клеток, мы реализовали простую модель линейной регрессии. Химические характеристики следовали асимметричному распределению, поэтому мы преобразовали данные в логарифм, которые скорректировали значения, чтобы они соответствовали нормальному распределению. Основываясь на диагностических графиках преобразованных данных, мы не обнаружили отклонений, которые нарушали бы предположения о нормальности и гомоскедастичности, которые являются центральными для регрессионных моделей.

Чтобы проверить, вызывает ли медикаментозное лечение клиохинолом или амантадином какие-либо различия в частотах нейтрофильных клеток в различных тканевых компартментах, мы использовали модель ANOVA для сравнения групп лечения. Множественное групповое тестирование и p-значения оценивались с использованием достоверной значимой разницы Тьюки. Для всех тестов ANOVA мы создали серию диагностических графиков для изучения: (i) остаточных ошибок для выбросов, (ii) графиков QQ для нормальности и (iii) квадратного корня из стандартизованных остатков для гетероскедастичности.Во всех случаях мы не обнаружили значительных отклонений, которые нарушили бы предположения, используемые в модели ANOVA. Для сравнения мы оценили экспериментальную и контрольную группы непосредственно с помощью теста суммы рангов Вилкоксона и обнаружили, что медианные различия между лечением (клиохинол, амантадин) и контролями (PEG400, PBS) соответствуют точно такой же схеме, полученной с помощью дисперсионного анализа ANOVA, с аналогичными характеристиками. максимальное значение p для значимых различий ( P ≤ 0,01). Чтобы проверить, влияет ли гуанфацин на частоту регуляторных Т-клеток, мы использовали стратегию метаанализа ⁶³ для объединения экспериментальных условий и групп, что позволило нам установить, были ли общие различия в каждом независимом эксперименте надежными и значительными.

Электронная медицинская карта

Мы извлекли из электронной медицинской карты Mount Sinai все записи о пациентах, которые содержали данные полного анализа крови на нейтрофилы и моноциты (всего более 2,3 миллиона записей). Чтобы определить, связаны ли пропофол или спиронолактон с изменением количества клеток, мы определили записи пациентов, у которых были лабораторные значения, измеренные в течение 30 дней после введения лекарства, по сравнению с записями пациентов, которые никогда не получали лекарство. Мы проверили различия на уровне группы с помощью непараметрического критерия суммы рангов Вилкоксона.Результаты были подтверждены с использованием электронных медицинских записей Медицинского центра Колумбийского университета, где мы использовали те же критерии для отбора пациентов и выполнили тест суммы рангов Вилкоксона для групповых различий.

Визуализация

Графики Circos, созданные с использованием пакета circlize R (версия 0.0.7 https://github.com/jokergoo/circlize). Сетевые диаграммы, созданные с использованием Cytoscape ⁶⁶ и деревьев SPADE, созданных с помощью CytoSPADE ⁶⁷ . Все остальные графики созданы с использованием статистического пакета R.

Мыши и лечение препаратами

Самок мышей C57Bl / c в возрасте 6–12 недель были получены из Jackson Laboratories. Мышам вводили внутрибрюшинно 3 раза каждые 12 ч клиохинол, амантадин (оба в дозе 30 мг / кг, Sigma Aldrich) или соответствующий контроль. Уровень и частота дозирования были выбраны на основе предыдущих экспериментов с использованием клиохинола на мышах ^47,68 и периода полувыведения препарата (11–14 ч). Клиохинол растворяли в 8% PEG400 / PBS, нагретом до 37 ° C; амантадин растворяли в PBS.Перед инъекцией растворы несколько раз встряхивали. Мышей умерщвляли для сбора ткани через 2,5–3 часа после последней обработки. Кровь брали из хвоста. Для лечения гуанфацином мышам вводили начальную инъекцию 5 мг / кг лекарственного средства или контрольного носителя (PBS) в день 1, после чего следовали две (эксперимент 1) или шесть (эксперименты 2–5) внутрибрюшинные инъекции по 2 мг / кг каждые 12 ч. начиная со дня 2. Мышей умерщвляли для сбора ткани через 12 ч после последней обработки.Все процедуры с животными выполнялись в соответствии с протоколами, утвержденными Комитетом по уходу и использованию животных Института медицины Mount Sinai.

Проточная цитометрия

Клетки брюшной полости собирали промыванием холодным PBS, содержащим 4% FBS. Одноклеточные суспензии костного мозга получали промыванием бедренных костей с последующей фильтрацией через сетчатый фильтр для клеток 100 мкм (BD Biosciences). Эритроциты лизировали в течение 2 мин при комнатной температуре с использованием буфера для лизиса эритроцитов (eBioscience).Образцы окрашивали следующими антителами (все от eBioscience): CD45, конъюгированный с аллофикоцианином-eFluor780 (30-F11), конъюгированный с перидинином хлорофиллом и белком-цианином 5.5 CD11b (M1 / 70), конъюгированный с фикоэритрином Ly6G (RE6-8Cyth5), конъюгированный CD3 (145-2C11), конъюгированный перидинин-хлорофилл-белок-цианин 5.5 CD25 (PC61.5), конъюгированный с флуоресцеина-изотиоцианатом CD62L (MEL-14), конъюгированный с аллофикоцианином FoxP3 (FJK-16s), eFluor450-конъюгированный CD1 .5), аллофикоцианин-eFluor780-конъюгированный CD8a (53–6.7) и CD44, конъюгированный с аллофикоцианином (клон IM7, BD Pharmingen). DAPI использовался для маркировки мертвых клеток. LSR Fortessa использовалась для сбора образцов, а программное обеспечение FlowJo — для анализа данных.

Выделение РНК и количественная ПЦР

Общую РНК экстрагировали из кусочков клеток легких, печени, селезенки и костного мозга с использованием реагента QIAzol Lysis Reagent (Qiagen) и гликогенового синего (Ambion, Life Technologies) в соответствии с инструкциями производителя. Для синтеза кДНК 2 мкг общей РНК подвергали обратной транскрипции в течение 1 ч при 37 ° C с помощью набора для преобразования РНК в кДНК (Applied Biosystems).Для количественной ПЦР использовали мастер-микс SYBR green qPCR 2 ° (Fermentas, Thermo Scientific) и следующие праймеры: мышиный Actb , прямой, 5′-CTAAGGCCAACCGTGAAAAG-3 ‘и обратный, 5′-ACCAGAGGCATACAGGGACA-3’; мышь Cxcl1 прямой, 5′-GTGTTGCCCTCAGGGCC-3 ‘и обратный, 5′-GCCTCGCGACCATTCTTG-3’; мышь Cxcl2 прямой, 5′-ACGCCCCCAGGACCC-3 ‘и обратный, 5′-CTTTTTGACCGCCCTTGAGA-3’; мышь Cxcl5 вперед, 5′-CTCGCCATTCATGCGGAT-3 ‘и назад, 5′-CTTCAGCTAGATGCTGCGGC-3’; мышь Cxcr2 прямой, 5′-CTTTGCCCTGACCTTGCCT-3 ‘и обратный, 5′-GCACAGGGTTGAGCCAAAA-3’; мышь Cxcr4 вперед, 5′-TGGCCTTCATCAGCCTGG-3 ‘и обратный, 5′-TTGGCCTTTGACTGTTGGTG-3’.

Анализ селезенки мышей с помощью масс-цитометрии (CyTOF)

Для получения суспензии единичных клеток селезенки переваривали в течение 20 мин при 37 ° C в HBSS, содержащем 8% FBS и 0,2 мг / мл коллагеназы IV (Sigma Aldrich). После фильтрации через сетчатый фильтр для клеток 100 мкм эритроциты лизировали в течение 2 мин при комнатной температуре с буфером для лизиса эритроцитов. Клетки (5 × 10 ⁶ на образец) были окрашены на следующие поверхностные маркеры: 141Pr-Ly6G, 153Eu-PDCA1, 162Dy-Ly6C, 166Er-CD138 (все приготовлены на месте) и 142Nd-CD11c, 147Sm-CD45, 148Nd-CD11b, 149Sm-CD19, 151Eu-CD25, 152Sm-CD3e, 156Gd-Thy1.2, 160Gd-CD62L, 168Er-CD8, 169Tm-TCRb, 170Er-NK1.1, 171Yb-CD44, 172Yb-CD4, 174Yb-MHCII и 176Yb-B220 (все из DVS Sciences). Цисплатин добавляли на последние 5 минут для мечения мертвых клеток, и образцы фиксировали с использованием буфера Fix и Perm (DVS Sciences). Непосредственно перед инъекцией добавляли калибровочные шарики EQ Four Element Calibration и образцы обрабатывали на масс-цитометре CyTOF 2 (DVS Sciences) за три 10-минутных цикла сбора данных. Данные были нормализованы к EQ Beads и файлам, объединенным с помощью программного обеспечения DVS.

Границы | Укрепление иммунной системы: от науки к мифу: анализ инфосферы с помощью Google

Иммунитет — это основной механизм защиты хозяина от инфекционных агентов, о чем свидетельствует огромный успех вакцинации в искоренении болезни (1).Идея о том, что вакцины являются наиболее эффективным средством предотвращения инфекции, хорошо известна как органами общественного здравоохранения, так и населением. Дэниел Дэвис писал: «Общественность очарована связью между выбором образа жизни и иммунитетом, потому что это может иметь практическое значение для того, что нужно для здоровья» (2). В частности, существует общественный интерес к простому усилению иммунной защиты. Вероятно, наиболее популярным является мнение об использовании витамина С для предотвращения инфекции, идея, которая стала популярной после серии научных статей Линуса Полинга, который выступал за потребление большего количества, чем рекомендовалось в то время (3, 4) .

Популярность этой концепции среди непрофессионалов такова, что «улучшение иммунной системы организма» является главной причиной употребления пищевых добавок (5, 6). Рынок «иммуностимуляторов» включает витамины, минералы, антиоксиданты, пробиотики и «функциональные продукты», а также другие подходы дополнительной и альтернативной медицины (CAM). Исследование, основанное на Национальном обследовании здоровья и питания США, показало, что более 50% населения США сообщили об использовании добавок (7).Это имеет огромное коммерческое значение: мировой рынок пищевых добавок оценивается примерно в 133 миллиарда долларов США (8).

Еще одна проблема заключается в том, можно ли считать использование недоказательных подходов для повышения иммунитета эффективной альтернативой вакцинации. Это особенно важный аспект в то время, когда сомнения в отношении вакцинации становятся серьезной угрозой для здоровья во всем мире, как указывает Всемирная организация здравоохранения (9). Исследование с участием 9000 детей в США показало, что воздействие некоторых дополнительных методов лечения, включая хиропрактику и другие виды альтернативной медицины (за исключением поливитаминов / мульти-минералов), связано с более низким потреблением вакцины против гриппа (10), хотя этого не наблюдалось в взрослые (11).Аналогичные результаты были получены при опросе более 9000 австралийских женщин, при этом те, кто использует натуропатию или лечебные травы, реже делают прививку от гриппа (12). Важно отметить, что в двух из упомянутых исследований использование поливитаминов / мультиминералов было связано с более высокой частотой вакцинации (10, 12). Однако, когда доверие к вакцинам было изучено в ходе опроса об отношении к вакцинации среди 1250 взрослых австралийцев, использование большей части CAM, включая витамины, было связано с более низким уровнем поддержки вакцинации (13).Поэтому важно установить, какой тип информации предоставляется непрофессионалам, поскольку это, вероятно, будет основой их знаний по теме и будет иметь важные последствия для общественного здравоохранения.

Настоящее исследование направлено на получение представления об информации, доступной общественности по этой теме. В последние годы стало ясно, что мы живем в информационной среде онлайн, которую Флориди определил как «инфосферу» (14). Поскольку большинство источников информации, включая книги, новостные агентства, правительственные и профессиональные организации, теперь доступны в Интернете, мы использовали поисковую систему Google ^® , чтобы получить образец информации, доступной по теме, используя методологию, которую мы успешно применили анализ знаний по другим темам, связанным со здоровьем (15–17).

Затем возвращенные веб-страницы были проанализированы с точки зрения типа веб-сайта, будь то, например, от коммерческих организаций, новостных агентств и т. Д. Мы также проанализировали веб-страницы, возвращенные поиском, с точки зрения стандартных показателей качества медицинской информации (HIQ). Первый — это рейтинг журнала Американской медицинской ассоциации (JAMA), широко используемый инструмент HIQ, в котором прозрачность / надежность веб-страницы оценивается на предмет наличия или отсутствия следующей информации: автора, даты, внешних ссылок и прав собственности на веб-страницу. сайт (18).Мы также искали наличие сертификата кода Health On the Net (HON), предоставленного независимой организацией, HON Foundation, на основе кодекса поведения, включающего несколько критериев качества и прозрачности (19).

Методы

Сбор и классификация данных

Мы провели поиск «повышения иммунитета» на сайте Google.com из Брайтона, Великобритания, в ноябре 2018 года. Поиск был выполнен с использованием браузера Google Chrome ^® , при этом были удалены файлы cookie и история браузера, чтобы ограничить персонализацию возвращаемых результатов поиска, хотя геолокация не могла быть предотвращено, поскольку это связано с IP-адресом, используемым для подключения к Интернету.Выбор Google ^® в качестве поисковой системы был обусловлен тем, что ей принадлежит более 90% доли рынка поисковых систем (20).

Затем мы перенесли первые 200 унифицированных указателей ресурсов (URL) на странице результатов поисковой системы (SERP) в электронную таблицу. Чтобы обеспечить некоторую маржу при переносе гиперссылки, мы загрузили первые 204 результата. Затем, используя рабочий процесс, описанный ранее (15–17), мы посещали каждую веб-страницу и читали ее содержимое. Девятнадцать страниц были исключены, поскольку они явно не имели отношения к делу, были недоступны (мертвые ссылки) или требовали регистрации или платного доступа для доступа к ним.Затем оставшиеся 185 веб-страниц были проанализированы с точки зрения типологии веб-сайта, показателей HIQ и содержания.

веб-сайтов были сначала классифицированы в соответствии с их типологией, как описано в таблице 1. Хотя все остальные классификации, которые мы сделали, основывались на наличии определенного текста, присвоение типологии может быть субъективным. Таким образом, это было сделано двумя оценщиками, и разногласия обсуждались до тех пор, пока мы не согласовали классификацию. Мы достигли 77% согласия по классификации по типологии.Соглашение между экспертами дало коэффициент Каппа Коэна 0,721 со стандартной ошибкой 0,035 и 95% доверительным интервалом от 0,652 до 0,790. Эта сила согласия считается «хорошей». Взвешенное значение Каппа равнялось 0,809, что считалось «очень хорошим». Однако следует отметить, что согласие различалось для типологий и было следующим: блоги, 75%; коммерческий, 95%; исключено — 90%; правительство, 100%; порталы здоровья — 22%; новости, 88%; нет прибыли, 100%; профессиональный, 100%; научные журналы — 75%.Это означает, что согласие было очень хорошим для всех типологий, но очень низким для порталов здравоохранения, что позволяет предположить, что любые выводы, сделанные по последней типологии, будут очень слабыми.

Таблица 1 . Примеры типологий сайтов.

Показатели качества медицинской информации

Затем каждая веб-страница была оценена по стандартным показателям HIQ. Оценка JAMA была рассчитана на основании наличия или отсутствия следующей информации: автора, даты, внешних ссылок и владельца веб-сайта (18).Для каждого из них мы присвоили балл 1, так что общий балл JAMA варьировался от 0 до 4. Мы также искали наличие сертификата HONcode на странице (19). При принятии решения о наличии или отсутствии информации мы применяли правило трех щелчков мышью, которое требует, чтобы информация присутствовала на расстоянии не более трех кликов от анализируемой веб-страницы (21).

Анализ содержания

Затем был проведен контент-анализ, в котором регистрировалось заболевание, указанное на веб-странице, если таковое имеется, и тип подхода, упомянутого в контексте повышения иммунитета.Список составлялся при условии, что веб-страницы были прочитаны, и включал пищевые добавки, рекомендации по питанию и образу жизни, дополнительные подходы, такие как хиропрактика или йога, а также одобренные с медицинской точки зрения подходы, такие как гигиена или вакцинация. Поскольку веб-страницы, упоминающие, например, витамин С, могут упоминать либо о употреблении свежих фруктов, либо о покупке добавки с витамином С, или на некоторых веб-страницах может быть указано, что вы должны есть фрукты, а не добавки, мы зафиксировали позицию в отношении добавок, как отрицательную, так и положительную.Наконец, мы зафиксировали, есть ли на какой-либо веб-странице отрицательное отношение к вакцинам, будь то антивакцинное или просто скептическое к вакцинам.

В некоторых случаях мы анализировали использование слова «дополнение» или «университет» на определенном наборе веб-страниц. Это было сделано с помощью анализа корпуса. Вкратце, текстовые корпуса были извлечены из веб-страниц для анализа с помощью WebBootCaT, онлайн-инструмента для начальной загрузки текстовых корпусов из Интернета. Затем согласование конкретных слов было получено с помощью программного обеспечения для анализа корпуса Sketch Engine от Lexical Computing, Брно-Кралово Поле, Чехия (22).Результаты отображаются как «Ключевое слово в контексте», то есть список всех вхождений поискового слова на веб-страницах с равным объемом контекста слева и справа.

Электронная таблица с необработанными данными доступна как дополнительный файл 1, что позволяет проводить повторный анализ различными методами.

Статистический анализ

Статистический анализ был выполнен с помощью GraphPad Prism 7.04 для Windows с использованием тестов, описанных в тексте. Количество симптомов, упомянутых в определенной типологии веб-сайтов, сравнивалось с остальной частью поиска, а не со всем поиском, чтобы избежать сравнения данных с перекрытием.Для сравнения двух групп использовались непараметрические тесты: двусторонний тест Манна-Уитни для сравнения двух групп и двусторонний тест Краскела-Уоллиса в случае (-ях) множественных сравнений. Частота типологий веб-сайтов в первых 10 результатах поиска Google сравнивалась с таковой в остальной части поиска с использованием двустороннего точного теста Фишера. Уровень значимости был установлен на уровне P <0,05. Когда тест Фишера выполнялся для множественных сравнений, за ним следовала поправка Бенджамини – Хохберга, установленная на 5% ложных открытий.

Этического одобрения не запрашивалось, поскольку в этом исследовании не участвовали люди.

Результаты

Типология веб-страниц, отображаемых в поисковой выдаче

Этот первый анализ рассматривал состав поисковой выдачи (185 веб-страниц) и 10 лучших веб-страниц, возвращаемых Google с точки зрения типологии веб-сайтов, которая, по сути, представляет собой подробную информацию о государственной или частной организации, которой они принадлежат. Результаты в таблице 2 показывают, что двумя основными типологиями, возвращаемыми Google, были «коммерческие» и «новости».Однако коммерческие веб-сайты были плохо видны Google, по крайней мере, в этом поиске, и ни один из них не попал в первую десятку результатов. Напротив, новостные сайты занимали высокие позиции, поскольку их частота в топ-10 была вдвое выше, чем в общем поиске. Разница в частоте появления коммерческих и профессиональных веб-сайтов на первых 10 веб-страницах по сравнению с остальной частью поисковой выдачи (например, на позициях 11–204) была статистически значимой ( P = 0,032 по двустороннему тесту Фишера для коммерческих веб-сайтов и P = 0.014 для профессиональных сайтов), а для новостных сайтов — нет. Таким образом, Google обеспечивает значительно более высокую видимость профессиональных веб-сайтов, а коммерческие веб-сайты ранжируются значительно ниже.

Таблица 2 . Тип сайтов в поисковой выдаче.

Стандартные индикаторы качества медицинской информации: оценка JAMA и код HON

Затем мы проанализировали каждую веб-страницу на предмет указания авторства, даты, владельца веб-страницы и наличия внешних ссылок (оценка JAMA от 0 до 4 в зависимости от того, сколько из этих критериев было выполнено).На рисунке 1 показаны оценки JAMA для каждой типологии веб-сайтов. Коммерческие веб-страницы получили самый низкий балл (в среднем 2,0; медиана 2, [IQR: 1, 3]; n = 60), что было значительно ниже, чем у новостных сайтов, блогов и порталов здоровья (соответственно, на P, <0,0001, P). <0,01 и P <0,05 с использованием ANOVA с последующим тестом множественного сравнения Тьюки). Оценка JAMA коммерческих веб-страниц также была значительно ниже по сравнению с остальной частью поисковой выдачи (все другие типологии, медиана 3, [IQR: 2, 4]; n = 125) с P <0.0001 по двустороннему критерию Манна-Уитни). Только девять веб-страниц отображали сертификацию HONcode, из которых пять были новостями, четыре портала здоровья и одна некоммерческая. Несмотря на то, что это самая большая типология в поисковой выдаче, ни один из коммерческих веб-сайтов не имеет сертификата HONcode. Вывод из этого анализа состоит в том, что качество информации коммерческих веб-сайтов, оцениваемое двумя инструментами, оценивающими прозрачность и надежность веб-страниц, ниже, чем в других типологиях веб-сайтов.

Рисунок 1 .Оценка JAMA веб-страниц разной типологии. Данные — медиана, IQR, минимум, максимум. Количество веб-страниц для каждой группы составляло: коммерческие — 60; Новости, 59; Блог, 18; Профессионалы, 16; Портал здоровья, 10; Некоммерческая организация, 9; Другое, 7; Правительство, 3; Научные журналы, 3.

Анализ содержания

Поскольку инструменты для измерения HIQ, описанные выше, не учитывают научное содержание веб-страницы, мы затем посетили каждую веб-страницу, чтобы выяснить, какие заболевания и подходы к повышению иммунитета они упоминали.В таблице 3 перечислены наиболее частые состояния или болезненные процессы, упомянутые на веб-страницах. Мы специально записали упоминание о респираторных заболеваниях, несмотря на то, что они в значительной степени совпадают с инфекционными заболеваниями, в основном из-за популярности идеи о том, что витамины могут предотвратить грипп и простуду. Инфекционные и респираторные заболевания чаще всего упоминались на 185 веб-страницах.

Таблица 3 . Заболевания, указанные в поисковой выдаче.

Частота применения различных упомянутых подходов (с положительной или нейтральной позицией) к «повышению иммунитета» показана на Рисунке 2, панель A (для всего поиска) и B (для 10 самых популярных веб-страниц).Во всем поиске на первое место вышли здоровое питание и фрукты / овощи, а также витамины. Антиоксиданты, пробиотики, минералы и витамин С также часто упоминались на половине веб-страниц или более, однако большинство из них относились к диете. Пищевые добавки (включая витамины) упоминаются на 36% веб-страниц. Ряд других подходов был упомянут на небольшом проценте веб-страниц (<10%), включая шоколад, отказ от излишка лекарств, грудное вскармливание, криотерапию, хиропрактику, фитонциды, активную половую жизнь, борьбу с аллергией и сауну (не показано).

Рисунок 2 . Контент-анализ всей SERP (A) и 10 самых популярных веб-страниц (B) . Данные показывают процент веб-страниц ( A , n = 185; B , n = 10), на которых упоминается конкретный подход в контексте повышения иммунитета. Показаны только подходы, которые были упомянуты не менее чем на 10% от общего числа веб-страниц.

Интересно, что только 23 веб-страницы (12%) упоминали вакцины (также «укол» или «укол» в британском и американском английском соответственно) как способ повышения иммунитета.Среди них было 11 упоминаний вакцин в целом, 16 — вакцины против гриппа, два — от гепатита А, два — от пневмококка, два — от опоясывающего лишая, один — от менингококка и один — от столбняка, дифтерии и коклюша. Преобладание вакцины против гриппа по сравнению с другими типами вакцин согласуется с акцентом на респираторные заболевания на веб-страницах, как описано ранее (Таблица 3).

Хотя анализ 185 веб-страниц представляет собой образец информации, доступной в Интернете, рейтинг, предоставляемый поисковой системой, является ключевым, поскольку первые результаты, представленные зрителю, имеют больше шансов быть прочитанными.На Рисунке 2 сравнение панелей A (все 185 веб-страниц) и B (10 первых страниц) показывает, имеют ли веб-страницы, в которых упоминаются конкретные вмешательства, более высокий рейтинг Google. Диета и фрукты, два наиболее часто упоминаемых вмешательства, в равной степени представлены на первых 10 страницах. Витамины (включая витамины в целом, витамины C, D и A), антиоксиданты, масла и минералы упоминались реже или вообще не упоминались (витамины D и A, масла, минералы) на первых 10 страницах результатов. Это может отражать тот факт, что ни одна из 60 коммерческих веб-страниц не входила в топ-10 страниц.

Мы также записали, рекомендуют ли веб-страницы не предпринимать конкретных действий. Девятнадцать веб-страниц (10%), в которых упоминаются витамины (шесть из них — витамин С), диета или пробиотики, отрицательно относятся к использованию добавок. Эти «отрицательные» веб-страницы были в основном с профессиональных ( n = 6), новостных ( n = 4) и некоммерческих ( n = 3) веб-сайтов. Причины такого отрицательного отношения к добавкам разнообразны, в том числе: витамины можно получить из рациона; претензии необоснованны; они не эффективны; они добавляют бесполезную стоимость; или они могут вызвать побочные эффекты.Пример использования слова «дополнение» в этом контексте с использованием анализа корпуса приведен в дополнительном файле 2.

Наконец, важно отметить, что ни одна из 185 веб-страниц, найденных в ходе нашего поиска, не имела антипрививочной или скептической позиции.

Коммерческая предвзятость и информационная ценность

Мы спросили, упоминают ли коммерческие веб-сайты, имеющие финансовый интерес, определенные «повышения», то есть упоминаются ли некоторые из них на коммерческих веб-страницах с большей частотой, чем на всех других веб-страницах в поисковой выдаче.Для этого мы посмотрели на соотношение частот одной темы на коммерческих веб-страницах и сравнили его с частотой появления той же темы на всех других веб-страницах. Аналогичным образом, чтобы выяснить, является ли какая-либо тема более интересной для новостей, мы сравнили частоту тем на новостных веб-сайтах по сравнению со всеми другими веб-сайтами в поисковой выдаче.

Анализ коммерческой предвзятости показан на рисунке 3A. Минералы, пищевые добавки, соки и эхинацея были высоко оценены коммерческими веб-страницами (1.В 6, 2,0, 1,7 и 2,3 раза больше, чем в остальной поисковой выдаче соответственно). И наоборот, вакцины упоминались реже, чем в остальной части поисковой выдачи. Чрезмерное представительство «минералов» и «добавок» на коммерческих веб-страницах было статистически значимым (критерий Фишера, скорректированный для множественных сравнений с использованием поправки Бенджамини-Хохберга, установленной для ложного обнаружения 5%).

Рисунок 3 . Дифференциальное представление подходов к повышению иммунитета на коммерческих веб-страницах (A) и новостных веб-страницах (B) .Данные рассчитываются следующим образом: 100 * (процент упоминаний на коммерческих или новостных веб-страницах — процент упоминаний из общего числа 185 веб-сайтов / процент упоминаний из общего числа 185 веб-сайтов. Ожидаемое значение в случае отсутствия предвзятости должно быть равно нулю. Значение> 0 означает (синий) перепредставление (положительное смещение), значение <0 (красный) недопредставление (отрицательное смещение). * Значительно перепредставлено по критерию Фишера, скорректированному на множественное сравнение по методу Бенджамини-Хохберга с установленным коэффициентом ложного обнаружения в 5%.Для проверки значимости частота упоминания повышения на коммерческой или новостной веб-странице сравнивается с его частотой на остальных веб-страницах в поисковой выдаче, а не во всей поисковой выдаче, чтобы избежать сравнения двух групп со значительным объемом перекрывающихся данных.

Таким же образом, информационная ценность показана на Рисунке 3B. Вакцины упоминались на новостных веб-страницах в 2,5 раза чаще, чем на остальных веб-страницах, как и «супы» (слово чаще всего встречается в «курином супе»), хотя эти различия не были статистически значимыми после поправки на множественные сравнения.

Поскольку во многих новостях здравоохранения рассказывается об исследованиях, часто в значительной степени опираясь на пресс-релизы университетов, их промышленных спонсоров и академических журналов, в которых они публикуются (23), мы подсчитали количество веб-страниц, на которых упоминается слово «университет». Это было сделано апостериори путем анализа корпусов, представленных текстом «новостных» веб-страниц, загружаемых автоматически (см. «Материалы и методы»), и сравнения с тремя другими типологиями (коммерческой, профессиональной и блоговой).Поскольку не все веб-сайты разрешают доступ к роботам, только образец, хотя и репрезентативный, из этих веб-страниц можно было загрузить для анализа (68% новостных веб-страниц, 54% коммерческих, 50% профессиональных и 39% блогов). Результаты показали, что слово «университет» упоминается на 44% новостных веб-страниц по сравнению с 19% коммерческих, 25% профессиональных и 14% блогов. Полный анализ соответствия слова «университет» на новостных веб-страницах показывает, что оно использовалось в контексте отчета о результатах исследования (дополнительный файл 3).В некоторых случаях это была ссылка на заявление академического профессионала, в других случаях это была ссылка на научную публикацию, хотя публикация не всегда была идентифицирована. Например, на трех новостных веб-страницах (№ 15, 21 и 188 в дополнительном файле 1) упоминается исследование Венского университета, в котором сообщается, что ежедневное потребление йогурта так же эффективно для стимулирования иммунитета, как и прием пробиотических таблеток, но мы не смогли найти ссылка на этот документ. Эти результаты показывают, что новостные агентства играют ключевую роль в доведении до общественности результатов научных исследований.

Обсуждение

Настоящее исследование подчеркивает большое присутствие коммерческих веб-сайтов, составляющих 30% от всей поисковой выдачи. Также важно учитывать рейтинг, данный Google. Фактически, многие исследования показывают, что люди часто посещают только первые веб-сайты, представленные в поисковой выдаче. Что касается типологии веб-сайтов, мы заметили, что Google имеет тенденцию оценивать коммерческие веб-сайты низко, поскольку ни один из них не входит в десятку самых популярных, что делает новостные веб-сайты более заметными. Низкий рейтинг коммерческих сайтов — это то, что мы наблюдали ранее с другими поисковыми запросами (15, 17).Следует отметить, что коммерческие веб-страницы также имеют самый низкий рейтинг по внутренним (независимым от контента) критериям HIQ, таким как оценка JAMA и HONcode, которые мы также наблюдали в других исследованиях (15, 16) и могут способствовать более низкому рейтингу.

Контент-анализ сосредоточился на двух аспектах: области заболевания и подходе, предполагающем повышение иммунитета. Очевидно, что основное внимание на большинстве веб-страниц уделяется инфекциям, особенно респираторным инфекциям (гриппу и простуде), что согласуется с научными знаниями о главной роли иммунной системы как защиты от патогенов.Этот акцент на инфекции подтверждается рядом описанных подходов (гигиена, например, мытье рук), которые больше направлены на предотвращение инфекции другими способами, чем на повышение иммунитета.

Что касается «бустеров», на большинстве веб-страниц упоминаются советы по питанию, фрукты или овощи и витамины, особенно витамин С. Однако следует отметить, что, когда предлагается принимать витамины в качестве добавок, веб-страница также будет помечена как «добавка . » Только 36% веб-страниц специально упоминают добавки (включая витамин С, флавоноиды, минералы и другие вещества) для повышения иммунитета.Таким образом, похоже, что основная идея большинства источников информации заключается в том, что «здоровая диета», богатая фруктами и, следовательно, витаминами, является усилителем иммунитета. Один комментарий заключается в том, что во многих случаях предоставленная информация не отвечает на вопрос «повышение иммунитета», поскольку «повышение» должно быть чем-то, что стимулирует иммунитет выше нормального уровня, а скорее информирует о том, как избежать иммунодефицита, например, из-за: недоедание.

Высокая частота упоминания витамина C согласуется с данными исследования, проведенного в США, показывающего, что из всех пищевых добавок витамин C является единственным, для которого наиболее часто упоминается мотивация его употребления (у 15% участников). «Для укрепления иммунной системы, предотвращения простуды» (24).«Укрепление иммунной системы» также является основной причиной (54% респондентов) для использования пищевых добавок у выживших после рака (25).

Важно отметить, что большинство упомянутых бустеров не включены в какие-либо медицинские руководства и представляют собой информацию, относящуюся к CAM. Это также верно для некоторых рекомендаций по питанию (например, чеснок, грибы, имбирь, супы), которые основаны либо на научных данных низкого уровня (доклинических), либо на данных традиционной медицины.Однако следует отметить, что маркетинг добавок не регулируется тем же уровнем доказательной медицины, который требуется для продажи лекарственного препарата [обсуждается в (26)], если заявка не касается конкретного заболевания. Например, Европейское агентство по пищевым стандартам (EFSA) одобрило утверждение, что витамин C «способствует поддержанию нормальной функции иммунной системы» (27).

Высокая частота упоминания витамина С в контексте повышения иммунитета поднимает вопрос о том, как он стал таким популярным в этой области и в общественном понимании науки (28).Это не похоже на клинические данные (29) или исследовательскую деятельность с точки зрения научных публикаций. Поиск в PubMed по запросу «иммунитет» 31.01.2019 дал 453867 публикаций. Добавление термина «витамин С» вернуло всего 306 работ (0,07%). Для сравнения, публикации по иммунитету и «интерферону» составили 9%, иммунитету и «вакцине» 13,7%, иммунитету и «антиоксиданту» 2,1%, иммунитету и «диете» 1,5%, а также иммунитету и «витамину D» 0,29%. Что удивительно, так это то, что вакцинация, единственное одобренное средство (буквально / активно) повышения иммунитета против определенных патогенов, занимает 27-е место, причем только 12% веб-страниц упоминают о ней.

Наибольшая коммерческая предвзятость была связана с эхинацеей и добавками в целом. Также неудивительно, хотя и вызывает беспокойство, что на этих веб-страницах, часто ориентированных на «естественный» подход, только три из 60 упоминают вакцины, хотя мы не смогли идентифицировать в поисковой выдаче какую-либо страницу с антипрививками или скептически настроенными к вакцинам. Конечно, естественные методы лечения могут использоваться как дополнительные, в дополнение к вакцинации или как альтернатива вакцинации. Браун и др. предположил, что соблюдение правил вакцинации может быть увеличено за счет обращения к функциям, обычно связанным с CAM, например.g., «укрепление вашей естественной сопротивляемости болезням» (13). Наше исследование предполагает, что на веб-сайтах общественного здравоохранения, образовательных веб-сайтах, порталах здравоохранения и профессиональных организациях следует особо упомянуть, что вакцины «повышают иммунитет» против инфекционных заболеваний, поскольку в противном случае их веб-сайты и вакцины не были бы найдены после поиска по этой теме.

В заключение, наше исследование показало, что поиск по теме повышения иммунитета возвращает значительное количество (30%) коммерчески предвзятых веб-страниц, рекламирующих использование и продажу пищевых добавок.С другой стороны, рейтинг веб-страниц Google дает больше информации для профессиональных веб-сайтов и новостей (в 4 и 2 раза выше вероятность попадания в топ-10, соответственно), в то время как ни один коммерческий веб-сайт не получил высокого рейтинга, ни один из них в десятке лучших. Кроме того, ни одна из поисковых страниц не содержала отрицательной информации о вакцинах. Конечно, хотя это исследование было выполнено на выборке разумного размера, это выборка, полученная по конкретному запросу, отобранному на основе его популярности.Выполнение более целенаправленного поиска по конкретной добавке или заболеванию может предоставить другой набор веб-страниц. Более того, хотя классификация большинства типологий была надежной, для порталов здоровья межэкспертное согласие было очень плохим, и мы не могли сделать никаких выводов по этому типу веб-сайтов. Другой важный аспект — то, какой язык или локализованная версия Google используется, поскольку аналогичное исследование веб-сайта против вакцины показало значительные различия в разных странах и на разных языках (17).Это означает, что образец использования является репрезентативным только для английского языка.

Доступность данных

Все наборы данных, созданные для этого исследования, включены в рукопись и дополнительные файлы.

Взносы авторов

PG разработал исследование. PG, AC и AO собрали и проанализировали данные и написали рукопись.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы благодарим Закари Кларка за критическое исправление рукописи.

Дополнительные материалы

Дополнительные материалы к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389/fmed.2019.00165/full#supplementary-material

Дополнительный файл 1. Список проанализированных веб-страниц и их классификация.

Дополнительный файл 2. Соответствие ключевому слову «дополнение» — это веб-страницы, на которых записано отрицательное отношение к приложениям.

Дополнительный файл 3. Соответствие ключевого слова «Университет» на новостных веб-страницах.

Список литературы

5. Слоан А.Е., Хатт, Калифорния. Репозиционирование нутрицевтических продуктов для растущих рынков. Nutraceuticals World. (2015) 2015-09.

Google Scholar

6. Нильсен К. Потребительские товары, полезные для здоровья: состояние и тенденции. В: редакторы Osborn S, Morley W Разработка пищевых продуктов для потребителей с особыми диетическими потребностями .Даксфорд: Вудхед Паблишинг (2016). п. 15–42.

Google Scholar

7. Кларк Т.С., Блэк Л.И., Штуссман Б.Дж., Барнс П.М., Нахин Р.Л. Тенденции в использовании дополнительных подходов к охране здоровья среди взрослых: США, 2002–2012 гг. . Статистический отчет национального здравоохранения (2015 г.). п. 1–16.

PubMed Аннотация | Google Scholar

8. Grand View Research. Объем рынка пищевых добавок, отчет об анализе доли и тенденциях по ингредиентам (растительные вещества, витамины, минералы, аминокислоты, ферменты), по продуктам, по применению, по конечному использованию и прогнозам сегментов, 2018 — 202 .(2018). Доступно в Интернете по адресу: http://www.grandviewresearch.com/industry-analysis/dietary-supplements-market (Архив: https://web.archive.org/web/201112358/https://www.grandviewresearch.com / индустрия-анализ / рынок пищевых добавок) (по состоянию на 15 января 2019 г.).

Google Scholar

10. Блезер В.К., Элевониби Б.Р., Миранда П.Й., Белу Р. Дополнительная и альтернативная медицина и внедрение вакцины против гриппа среди детей в США. Педиатрия. (2016) 138: e20154664.DOI: 10.1542 / peds.2015-4664

PubMed Аннотация | CrossRef Полный текст | Google Scholar

11. Дэвис М.А., Смит М., Weeks WB. Вакцинация против гриппа среди пациентов хиропрактики и других пользователей дополнительной и альтернативной медицины: действительно ли пациенты хиропрактики разные? Prev Med. (2012) 54: 5–8. DOI: 10.1016 / j.ypmed.2011.01.007

PubMed Аннотация | CrossRef Полный текст | Google Scholar

12. Уордл Дж., Фроули Дж., Адамс Дж., Сиббритт Д., Сталь А, Лауч Р.Связь между использованием дополнительной медицины и вакцинацией против гриппа / пневмококка: результаты национального поперечного обследования 9151 австралийской женщины. Prev Med. (2017) 105: 184–9. DOI: 10.1016 / j.ypmed.2017.09.009

PubMed Аннотация | CrossRef Полный текст | Google Scholar

13. Браун М., Томсон П., Роклофф М. Дж., Пенникук Г. Идти против стада: психологические и культурные факторы, лежащие в основе «пробела в доверии к вакцинации». PLoS ONE. (2015) 10: e0132562.DOI: 10.1371 / journal.pone.0132562

PubMed Аннотация | CrossRef Полный текст | Google Scholar

14. Флориди Л. Четвертая революция: как инфосфера меняет человеческую реальность . Оксфорд: Издательство Оксфордского университета (2014).

Google Scholar

15. Аслам Р., Гиббонс Д., Геззи П. Интернет-информация об антиоксидантах: показатели качества информации, коммерческие интересы и рейтинг в Google. Фронт общественного здравоохранения. (2017) 5:90. DOI: 10.3389 / fpubh.2017.00090

PubMed Аннотация | CrossRef Полный текст | Google Scholar

16. Михан Д., Бицци И. Х., Геззи П. Терапия стволовыми клетками в Интернете: качество информации и анализ содержания англоязычных веб-страниц, возвращенных Google. Передний ИКТ. (2017) 4:28. DOI: 10.3389 / fict.2017.00028

CrossRef Полный текст | Google Scholar

17. Ариф Н., Аль-Джефри М., Биззи И. Х., Перано Г. Б., Голдман М., Хак И. и др. Фейковые новости или слабая наука? Видимость и характеристика веб-страниц с антивакцинациями, возвращаемых Google на разных языках и в разных странах. Фронт Иммунол . (2018) 9: 1215. DOI: 10.3389 / fimmu.2018.01215

PubMed Аннотация | CrossRef Полный текст | Google Scholar

18. Силберг WM, Лундберг GD, Musacchio RA. Оценка, контроль и обеспечение качества медицинской информации в Интернете: caveant lector et viewor — Остерегайтесь читателя и зрителя. JAMA. (1997) 277: 1244–5. DOI: 10.1001 / jama.277.15.1244

PubMed Аннотация | CrossRef Полный текст | Google Scholar

19.Бойер С., Селби М., Шеррер-младший, Аппель Р.Д. Кодекс поведения для медицинских сайтов и веб-сайтов, посвященных здоровью в сети. Comput Biol Med . (1998) 28: 603–10. DOI: 10.1016 / S0010-4825 (98) 00037-7

PubMed Аннотация | CrossRef Полный текст | Google Scholar

21. Зельдман Дж. Внедрение вашего таланта в Интернет: руководство для переходного дизайнера. Сан-Франциско, Калифорния: New Riders Publishing (2001).

Google Scholar

22. Килгаррифф А., Байса В., Бушта Дж., Якубичек М., Ковар В., Мишельфейт Дж. И др.Эскизный двигатель: десять лет спустя. Лексикография. (2014) 1: 7–36. DOI: 10.1007 / s40607-014-0009-9

CrossRef Полный текст | Google Scholar

24. Бейли Р.Л., Гахче Дж.Дж., Миллер П.Е., Томас П.Р., Дуайер Дж.Т. Почему взрослые в США употребляют пищевые добавки? Почему взрослые в США употребляют пищевые добавки. JAMA Intern. Med. (2013) 173: 355–61. DOI: 10.1001 / jamainternmed.2013.2299

PubMed Аннотация | CrossRef Полный текст | Google Scholar

25. Pouchieu C, Fassier P, Druesne-Pecollo N, Zelek L, Bachmann P, Touillaud M, et al.Использование пищевых добавок выжившими после рака в когортном исследовании NutriNet-Sante. Br J Nutr. (2015) 113: 1319–29. DOI: 10.1017 / S0007114515000239

PubMed Аннотация | CrossRef Полный текст | Google Scholar

26. Ghezzi P, Jaquet V, Marcucci F, Schmidt HH. Теория болезни окислительного стресса: уровни доказательности и эпистемологические аспекты. Br J Pharmacol . (2017) 74: 1784–96. DOI: 10.1111 / bph.13544

CrossRef Полный текст | Google Scholar

27.Панель Efsa по диетическим продуктам и аллергии. Научное заключение по обоснованию заявлений о здоровье, связанных с витамином C и снижением усталости и утомления (ID 139, 2622), вкладом в нормальные психологические функции (ID 140), регенерацией восстановленной формы витамина E (ID 202), вкладом в нормальный энергетический метаболизм (ID 2334, 3196), поддержание нормальной функции иммунной системы (ID 4321) и защита ДНК, белков и липидов от окислительного повреждения (ID 3331) в соответствии со Статьей 13 (1) Регламента ( ЕС) № 1924/2006. EFSA J. (2010) 8: 1815. DOI: 10.2903 / j.efsa.2010.1815

CrossRef Полный текст | Google Scholar

28. Сантессо Н., Рейдер Т., Нильсен Э.С., Глентон С., Розенбаум С., Чаппони А. и др. Краткое изложение фактов систематических обзоров для общественности улучшило понимание и доступность информации: рандомизированное контролируемое исследование. J Clin Epidemiol. (2015) 68: 182–90. DOI: 10.1016 / j.jclinepi.2014.04.009

PubMed Аннотация | CrossRef Полный текст | Google Scholar

29.Hemila H, Chalker E. Витамин C для профилактики и лечения простуды. Кокрановская база данных Syst Rev. (2013) CD000980. DOI: 10.1002 / 14651858.CD000980.pub4

CrossRef Полный текст | Google Scholar

Первичный иммунодефицит — Диагностика и лечение

Диагноз

Ваш врач спросит вас о ваших заболеваниях и о том, есть ли у кого-либо из близких родственников наследственное заболевание иммунной системы. Ваш врач также проведет медицинский осмотр.

Тесты, используемые для диагностики иммунного расстройства, включают:

• Анализы крови. Анализы крови могут определить, есть ли у вас нормальный уровень белков, борющихся с инфекциями (иммуноглобулина), в вашей крови, а также измерить уровни клеток крови и клеток иммунной системы. Аномальное количество определенных клеток может указывать на дефект иммунной системы.

  Анализы крови также могут определить, правильно ли реагирует ваша иммунная система и вырабатывает ли белки, которые идентифицируют и убивают чужеродных захватчиков, таких как бактерии или вирусы (антитела).

• Пренатальное тестирование. Родители, у которых есть ребенок с первичным иммунодефицитным расстройством, могут захотеть пройти тестирование на определенные иммунодефицитные расстройства во время будущих беременностей. Образцы околоплодных вод, крови или клеток из ткани, которая станет плацентой (хорионом), проверяются на наличие отклонений.

  В некоторых случаях тестирование ДНК проводится для выявления генетического дефекта. Результаты анализов позволяют при необходимости подготовиться к лечению вскоре после рождения.

Лечение

Лечение первичного иммунодефицита включает профилактику и лечение инфекций, укрепление иммунной системы и лечение основной причины иммунной проблемы. В некоторых случаях первичные иммунные нарушения связаны с серьезным заболеванием, таким как аутоиммунное заболевание или рак, которые также необходимо лечить.

Лечение инфекций

• Лечение инфекций. Инфекции требуют быстрого и агрессивного лечения антибиотиками.Для лечения может потребоваться более длительный курс антибиотиков, чем обычно назначают. Инфекции, которые не поддаются лечению, могут потребовать госпитализации и внутривенного (IV) введения антибиотиков.
• Профилактика инфекций. Некоторым людям необходимы длительные антибиотики для предотвращения респираторных инфекций и необратимого повреждения легких и ушей. Детям с первичным иммунодефицитом могут быть недоступны вакцины, содержащие живые вирусы, такие как оральный полиомиелит и корь-паротит-краснуха.
• Лечение симптомов. Лекарства, такие как ибупрофен (Адвил, Мотрин IB и др.) От боли и лихорадки, деконгестанты от заложенности носовых пазух и отхаркивающие средства для разжижения слизи в дыхательных путях, могут помочь облегчить симптомы, вызванные инфекциями.

Лечение для усиления иммунной системы

• Иммуноглобулиновая терапия. Иммуноглобулин состоит из белков-антител, необходимых иммунной системе для борьбы с инфекциями. Его можно вводить в вену по линии IV или вводить под кожу (подкожная инфузия). IV Лечение необходимо каждые несколько недель, а подкожная инфузия — один или два раза в неделю.
• Интерферон-гамма-терапия. Интерфероны — это вещества природного происхождения, которые борются с вирусами и стимулируют клетки иммунной системы. Гамма-интерферон — это искусственное (синтетическое) вещество, которое вводится в виде инъекции в бедро или руку три раза в неделю. Он используется для лечения хронической гранулематозной болезни, одной из форм первичного иммунодефицита.
• Факторы роста. Когда иммунодефицит вызван недостатком определенных лейкоцитов, терапия факторами роста может помочь повысить уровень иммуноукрепляющих лейкоцитов.

Трансплантация стволовых клеток

Трансплантация стволовых клеток предлагает постоянное лечение нескольких форм опасного для жизни иммунодефицита. Нормальные стволовые клетки передаются человеку с иммунодефицитом, давая ему или ей нормально функционирующую иммунную систему. Стволовые клетки можно получить из костного мозга или из плаценты при рождении (банк пуповинной крови).

Донор стволовых клеток — обычно родитель или другой близкий родственник — должен иметь ткани тела, которые биологически близки к тканям человека с первичным иммунодефицитом. Однако даже при хорошем совпадении трансплантация стволовых клеток не всегда работает.

Лечение часто требует, чтобы функционирующие иммунные клетки были разрушены с помощью химиотерапии или облучения перед трансплантацией, что временно делает реципиента трансплантата еще более уязвимым для инфекции.

Клинические испытания

Изучите исследования клиники Mayo Clinic, в которых тестируются новые методы лечения, вмешательства и тесты как средства предотвращения, обнаружения, лечения или контроля этого состояния.

Помощь и поддержка

Большинство людей с первичным иммунодефицитом могут ходить в школу и работать, как и все остальные. Тем не менее, вам может казаться, что никто не понимает, каково жить с постоянной угрозой инфекций. Может помочь разговор с кем-то, кто сталкивается с похожими проблемами.

Спросите своего врача, есть ли в этом районе группы поддержки для людей с первичным иммунодефицитом или для родителей детей с этим заболеванием.У Фонда иммунодефицита есть программа поддержки сверстников, а также информация о жизни с первичным иммунодефицитом.

Подготовка к приему

Скорее всего, вы начнете с посещения семейного врача или терапевта. Затем вас могут направить к врачу, специализирующемуся на нарушениях иммунной системы (иммунологу).

Вот некоторая информация, которая поможет вам подготовиться к встрече.

Что вы можете сделать

• Запишите симптомы, включая любые, которые могут показаться не связанными с причиной вашего приема и когда они начались.
• Принесите копии записей о госпитализации и результаты медицинских анализов, включая рентгеновские снимки, результаты анализов крови и результаты посева.
• Спросите членов семьи о семейном медицинском анамнезе, в том числе, был ли у кого-либо диагностирован первичный иммунодефицит, или есть ли в вашей семье младенцы или дети, умершие по неизвестным причинам.
• Составьте список лекарств, витаминов и добавок, которые вы или ваш ребенок принимаете, включая дозы.Если возможно, перечислите все рецепты антибиотиков и дозы, которые вы или ваш ребенок принимали за последние несколько месяцев.
• Запишите вопросы, которые задайте своему врачу.

Попросите члена семьи или друга пойти с вами, если возможно, чтобы помочь вам запомнить предоставленную вам информацию.

В отношении первичного иммунодефицита вам следует задать врачу следующие вопросы:

• Какая наиболее вероятная причина этих симптомов?
• Есть другие возможные причины?
• Какие тесты нужны? Требуют ли эти тесты специальной подготовки?
• Какой прогноз?
• Какие методы лечения доступны и какие вы рекомендуете?
• У меня есть другие проблемы со здоровьем, как мне решить их вместе?
• Есть ли альтернативы основному подходу, который вы предлагаете?
• Есть ли ограничения активности?
• Могу ли я получить брошюры или другие печатные материалы? Какие сайты вы рекомендуете?

Не стесняйтесь задавать и другие вопросы.

Чего ожидать от врача

Ваш врач или лечащий врач вашего ребенка, скорее всего, задаст вам вопросы, в том числе:

• Когда появились симптомы?
• Симптомы были постоянными или случайными?
• Сколько инфекций у вас или вашего ребенка было за последний год?
• Как долго обычно длятся эти инфекции?
• Антибиотики обычно излечивают инфекцию?
• Сколько раз ваш ребенок принимал антибиотики за последний год?

Янв.30, 2020

Препараты для профилактики инфекций во время химиотерапии

Когда они вам нужны — и когда их нет

Если вы лечитесь от рака, это нормально — делать все возможное, чтобы избавиться от рака. Многие методы лечения рака спасают жизни. Но большинству людей не нужны все виды лечения. Лечение может быть бесполезным. А побочных эффектов и затрат может быть больше, чем преимуществ.

Одно лечение называется факторами роста лейкоцитов или колониестимулирующими факторами (CSF).ЦСЖ — это препараты, которые помогают предотвратить инфекцию во время химиотерапии. Они увеличивают количество лейкоцитов в крови.

Приведенная ниже информация объясняет, когда специалисты по раку рекомендуют принимать эти препараты, а когда — не принимать их. Вы можете использовать эту информацию, чтобы обсудить с врачом свой выбор и решить, что лучше для вас.

Что такое белые кровяные тельца?

В вашей крови есть лейкоциты и эритроциты. Оба типа клеток производятся в костном мозге.Это мягкие ткани внутри некоторых костей. Лейкоциты помогают организму бороться с инфекцией. Если у вас слишком мало лейкоцитов, у вас больше шансов заболеть.

Химиотерапия может убить часть костного мозга.

Чем меньше костного мозга, тем меньше лейкоцитов вырабатывается в организме. Это увеличивает ваши шансы получить серьезную лихорадку, называемую фебрильной нейтропенией. При такой температуре обычно приходится оставаться в больнице и получать большие дозы антибиотиков. Это может отсрочить ваше химиотерапевтическое лечение.Однако большинство химиотерапевтических процедур не очень сильно увеличивают риск фебрильной нейтропении.

Как узнать, низкое ли количество лейкоцитов у вас низкое?

Количество имеющихся у вас лейкоцитов называется количеством лейкоцитов. Низкое количество обычно не вызывает симптомов, за исключением случаев, когда у вас очень низкий показатель или вы не заразились.

Чтобы узнать, низкое ли количество лейкоцитов у вас низкое, врач возьмет кровь и проверит ее. Некоторые виды химиотерапии разрушают костный мозг больше, чем другие.Спросите своего врача, может ли ваше химиотерапевтическое лечение снизить количество лейкоцитов, и как часто следует проверять это количество.

Как CSF помогают?

CSF помогают вашему организму вырабатывать больше лейкоцитов. Это снижает риск фебрильной нейтропении.

CSF включают нейпоген (филграстим), Neulasta (пегфилграстим), а также лейкин и прокин (сарграмостим). Обычно они вводятся в виде инъекций через 24 часа после химиотерапевтического лечения.

Каковы риски и затраты CSF?

CSF снижают риск госпитализации по поводу фебрильной нейтропении.Однако они могут вызвать у вас боль и усталость. Они могут вызвать жар и общее недомогание. И они могут стоить до 4000 долларов за выстрел.

Кому нужны CSF?

CSF рекомендуются только людям с высоким риском заражения. Вы можете подвергаться высокому риску, если:

• Ваше химиотерапевтическое лечение может вызвать фебрильную нейтропению более чем у одного из пяти людей, которые ею болеют, и спинномозговая жидкость — единственный способ поднять уровень лейкоцитов.
• Вы старше 65 лет.
• Ваше тело ослаблено, а ваша иммунная система не работает.

CSF не рекомендуются для химиотерапевтических пациентов с низким риском. Но если у вас есть какой-либо из перечисленных выше рисков, вам могут понадобиться лекарства.

К сожалению, многие пациенты, которые действительно нуждаются в этих лекарствах, их не получают. Если вы относитесь к группе высокого риска и ваш врач не рекомендует CSF, спросите, почему.

Этот отчет предназначен для использования во время разговора со своим врачом.Это не заменяет медицинские консультации и лечение. Вы используете этот отчет на свой страх и риск.

© 2012 Consumer Reports. Разработано в сотрудничестве с Американским обществом клинической онкологии.