Tenocyte apoptosis in the torn rotator cuff: a primary or secondary pathological event?
Notice bibliographique
Résumé
Little information exists on the contribution of apoptosis to pathological tendon changes in rotator cuff tendinopathy. The purpose of this study was to quantitate the rate of tenocyte apoptosis in torn supraspinatus tendons and in the matched intact subscapularis and to examine the potential relation between apoptotic index (AI) and tendon pathology. In addition, the authors examined tenocyte density, proliferation rate and p53 gene expression patterns to gain further insight into relevant pathological mechanisms in the torn suprapinatus. 15 torn supraspinatus tendons with matched intact subscapularis tendon samples and 10 reference subscapularis samples were collected. Immunohistochemistry was used to define the AI (F7-26), proliferation rate (Ki67) and presence of p53 (M7001). Tendon degeneration was evaluated according to the Bonar scale. Expression of p53 and relevant genes (n=84) was examined on a subset of samples using microfluidic arrays. The AI was significantly increased in torn supraspinatus tendon and matched subscapularis tendon (R² =0.5742; p=0.0005). Cell density and proliferation rate were also elevated in torn supraspinatus compared with reference subscapularis tendons (p<0.05). A significant increase in p53 occurred specifically in torn supraspinatus tendon (p<0.05), and several genes encoding p53-inhibiting proteins were downregulated in association, including HDAC1 (p<0.05), MDM4 (p<0.001) and PPM1D (p<0.05). Our results suggest that tenocyte apoptosis results from more than one mechanism in the injured rotator cuff, including both intrinsic factors related specifically to the torn supraspinatus tendon, as well as a more generalised effect on the adjacent subscapularis tendon.
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 | 0,000 | 0,000 |
| 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) | 0,003 | 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 ».