MétaCan
Menu
Retour à la cohorte
Enregistrement W2008417685 · doi:10.1016/j.jbiomech.2013.02.027

Muscular loading of joints triggers cellular secretion of PRG4 into the joint fluid

2013· article· en· W2008417685 sur OpenAlexafffund
Ziad Abusara, Roman Krawetz, Brian Steele, Michael DuVall, Tannin A. Schmidt, Walter Herzog

Notice bibliographique

RevueJournal of Biomechanics · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanadian Arthritis NetworkNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésIsometric exerciseSynovial fluidKnee JointIntensity (physics)MedicineChemistryInternal medicineSurgeryPathologyPhysicsOsteoarthritis

Résumé

récupéré en direct d'OpenAlex

We developed a novel testing system that allows quantification of joint loading and permits analysis of changes in total protein and PRG4 contents in joint fluid of intact knees in live mice. A sequence of 15 repeat, isometric muscular contractions of "low" intensity (less than 50% of the maximal isometric muscular force), and "high" intensity (greater than 55% of maximal) were applied repeatedly (up to five times with a 15 min rest between contractions) to the mouse knee. Increases in knee joint loading were accompanied with significant increases in total protein (p<0.0001) and PRG4 concentrations in the synovial fluid. Total protein and PRG4 concentrations decreased with repeated "high" intensity loading. However, the addition of cell secretion inhibitors to the knee prior to muscular loading resulted in PRG4 levels that remained below the detection limit for all loading conditions. These results suggest that changes in synovial fluid proteins and PRG4 concentrations upon joint loading are mediated by cells within the joint, and that these changes may be used as quantitative indicators for the intensity and duration of acute joint loading, and might serve as a powerful clinical tool to assess the effectiveness of rehabilitation and prevention exercise programs.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,237
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2013
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueJournal of BiomechanicsMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207