Consequences of intra‐articular bleeding in haemophilia: science to clinical practice and beyond
Notice bibliographique
Résumé
Blood in the joint causes a number of physiological and pathological events that eventually lead to haemophilic arthropathy. Animal models show that blood in the joint induces inflammation that continues long after blood has been cleared. TNF-alpha, IL-1 beta and IL-6 are inflammatory mediators that increase following haemarthrosis in haemophilic mice. Conventional anti-inflammatory drugs have failed to demonstrate a lasting effect in preventing haemophilic arthropathy. A new TNF-alpha antagonist has shown promising results in haemophilic mice. Similarly, the use of cyclo-oxygenase-2 inhibitors may reduce angiogenesis associated with the healing process following bleeding and the associated tissue damage. Animal models are useful for studying the pathophysiology of haemarthropathy, however, when applying results from animals to humans, the differences in matrix turnover rate, thickness of cartilage and joint biomechanics must be kept in mind. In people with haemophilia, there is a variable response to haemarthrosis as demonstrated by magnetic resonance imaging (MRI). Up to 30% of subjects have normal MRI despite having three or more haemarthroses into the same joint. Once bone damage is present, little can be done to restore anatomic integrity. Several molecules, including members of the bone morphogenic protein subfamily, have been injected into bone defects in non-haemophilic subjects with some evidence of benefit. To achieve the primary goal of reducing blood in the joint and the negative sequelae, it is questionable to use ice to treat haemarthrosis. Indeed low temperature is associated with impairment of coagulation enzyme activity and platelet function.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».