MétaCan
Menu
Retour à la cohorte
Enregistrement W2171870699 · doi:10.2174/1874609808666150727111530

Cellular Aging, Senescence and Autophagy Processes in Osteoarthritis

2015· review· en· W2171870699 sur OpenAlexafffund
Mohamed Benderdour, Johanne Martel‐Pelletier, Jean‐Pierre Pelletier, Mohit Kapoor, Marı́a Victoria Zunzunegui, Hassan Fahmi

Notice bibliographique

RevueCurrent Aging Science · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSenescenceAutophagyOsteoarthritisChondrocyteMedicineLife expectancyOxidative stressLongevityGerontologyBiologyBioinformaticsCartilageCell biologyInternal medicinePathologyGenetics

Résumé

récupéré en direct d'OpenAlex

Osteoarthritis (OA) is the most common form of arthritis and a huge health and financial burden. The prevalence and incidence of OA are likely to rise due to increasing life expectancy. Although the link between aging and OA is well established, little is known about the mechanisms by which aging contributes to OA development. In recent years, progress has been made in understanding the molecular mechanisms of chondrocyte aging and senescence. Aging and senescent chondrocytes display a senescence-associated secretory phenotype (SASP) associated with increased secretion of pro-inflammatory mediators, extracellular matrix degrading enzymes and oxidative stress, all of which can contribute to the development and progression of OA. There is also evidence that autophagy, an essential homeostatic process, declines with aging and during OA. This review will focus on our current understanding of chondrocyte aging, senescence, and autophagy and their potential roles in the development and progression of OA. An understanding of these processes would be very useful in devising strategies to treat OA or to delay its development.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,061
Tête enseignante GPT0,365
Écart entre enseignants0,304 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations36
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Aging ScienceMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207