Wear‐particle–induced osteoclast osteolysis: The role of particulates and mechanical strain
Notice bibliographique
Résumé
Periprosthetic osteolysis involves osteoclast activation by wear particulates and their exposure to mechanical perturbation through exposure to shear forces generated by periprosthetic fluid as well as interface micromotion. This study aimed to determine the interactions between wear particulates, mechanical stimulation, and osteoclasts. In static cultures, wear particulates increased osteoclast differentiation. Addition of neutralizing antibodies to RANKL (receptor activator of nuclear factor kappa ligand) inhibited the particle-induced increase in osteoclast numbers. Cyclic 5000 microstrains were applied with the use of a custom-built device to marrow-derived cultures to assess the effect on osteoclast differentiation. Mechanical strain application alone decreased osteoclast differentiation, which was further decreased by the addition of particles despite increases in the soluble RANKL to osteoprotegerin (OPG) ratio. Mechanical strain alone induced mature osteoclast apoptosis in a dose-dependent manner. In contrast, in the mature osteoclast model, the addition of nonmetal particulates protected the osteoclasts from becoming apoptopic. Titanium (Ti) and cobalt chromium (CoCr) particles, however, induced osteoclast apoptosis, whereas polyethylene (PE) and polymethylmethacrylate (PMMA) did not. Wear particulates and mechanical stimulation interact via an eicosanoid-dependent pathway to alter osteoclast function and survival. The addition of mechanical perturbation to a particle-laden system thus appears to enhance the potential for osteolytic activity by enhancing osteoclast survival.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».