Cannabinoid‐mediated antinociception is enhanced in rat osteoarthritic knees
Notice bibliographique
Résumé
OBJECTIVE: To determine whether local administration of the cannabinoid 1 (CB(1)) receptor agonist arachidonyl-2-chloroethylamide (ACEA) can modulate joint nociception in control rat knee joints and in experimental osteoarthritis (OA). METHODS: OA was induced in male Wistar rats by intraarticular injection of 3 mg of sodium mono-iodoacetate, with a recovery period of 14 days. Electrophysiologic recordings were made of knee joint primary afferent nerve fibers in response to normal rotation and noxious hyperrotation of the joint both before and after close intraarterial injection of different doses of ACEA. RESULTS: Local application of the CB(1) agonist significantly reduced the firing rate of afferent nerve fibers by up to 50% in control knee joints (n=19) and up to 62% in OA knee joints (n=29; P<0.01). Coadministration of the CB(1) receptor antagonist AM251 or the transient receptor potential vanilloid 1 (TRPV-1) ion channel antagonist SB366791 significantly reduced the desensitizing effect of ACEA. The CB(1) receptor antagonist AM251 by itself had no effect in the control joint but significantly increased the firing rate of afferent nerve fibers in the OA joint. CONCLUSION: These findings indicate that activation of peripheral CB(1) receptors reduces the mechanosensitivity of afferent nerve fibers in control and OA knee joints. Blockade of either the CB(1) receptor or the TRPV-1 channel significantly reduced the efficacy of ACEA, which suggests that both receptors are involved in cannabinoid-mediated antinociception. The increased nerve activity observed following CB(1) receptor antagonism suggests a tonic release of endocannabinoids during OA. As such, peripheral CB(1) receptors may be important targets in controlling OA pain.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».