Pharmacological validation of early and late phase of rat mono‐iodoacetate model using the <scp>T</scp>ekscan system
Notice bibliographique
Résumé
BACKGROUND: Previous pharmacological validations of the rat mono-iodoacetate (MIA)-induced chronic joint pain model were mostly performed by measuring weight-bearing (WB) deficit with an incapacitance tester. However, conventional incapacitance testers have several drawbacks including restrain stress on animal and sole use of hind limbs WB. OBJECTIVES: The aim of the present study was to compare pharmacological sensitivity of the early (up to 1 week after MIA) versus late (between 2 and 4 weeks after MIA) phase of the rat MIA model using a highly sensitive tactile pressure measurement system (Tekscan(®)), which can measure weight borne by all four limbs and the tail in a non-restrained animal. METHODS: The Tekscan(®) WB measurement system was used in MIA rats to examine the acute and chronic dosing effects of drugs that targeted different mechanisms. Electrophysiological recordings from joint afferents and biochemical analysis of synovial fluid were also performed. RESULTS: Dexamethasone, duloxetine and morphine significantly alleviated WB deficits in the Tekscan(®) system during both early and late phase of the MIA model while celecoxib and naproxen alleviated WB deficit only during the early phase. Similarly, naproxen was able to inhibit spontaneous neuronal activity from MIA joint afferents only during the early phase. Finally, concentrations of prostaglandin E(2) in synovial fluid were elevated only during the early phase of the rat MIA model. CONCLUSIONS: Our pharmacological validation studies using the Tekscan(®) system along with electrophysiological and biochemical results suggest different mechanisms for early and late phase of MIA-induced chronic joint pain in rat.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».