MétaCan
Menu
Retour à la cohorte
Enregistrement W2592090300 · doi:10.3899/jrheum.160226

The Effect of Aging and Mechanical Loading on the Metabolism of Articular Cartilage

2017· review· en· W2592090300 sur OpenAlexvenueno aff
Adam El Mongy Jørgensen, Michael Kjær, Katja M. Heinemeier

Notice bibliographique

RevueThe Journal of Rheumatology · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesNovo Nordisk FondenLundbeckfonden
Mots-clésMedicineOsteoarthritisCartilageSenescenceProteoglycanInflammationMuscle hypertrophyDegeneration (medical)Articular cartilageDecorinAtrophyChondrocyteCatabolismCell biologyInternal medicineAnatomyPathologyMetabolismBiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The morphology of articular cartilage (AC) enables painless movement. Aging and mechanical loading are believed to influence development of osteoarthritis (OA), yet the connection remains unclear. METHODS: This narrative review describes the current knowledge regarding this area, with the literature search made on PubMed using appropriate keywords regarding AC, age, and mechanical loading. RESULTS: Following skeletal maturation, chondrocyte numbers decline while increasing senescence occurs. Lower cartilage turnover causes diminished maintenance capacity, which produces accumulation of fibrillar crosslinks by advanced glycation end products, resulting in increased stiffness and thereby destruction susceptibility. CONCLUSION: Mechanical loading changes proteoglycan content. Moderate mechanical loading causes hypertrophy and reduced mechanical loading causes atrophy. Overloading produces collagen network damage and proteoglycan loss, leading to irreversible cartilage destruction because of lack of regenerative capacity. Catabolic pathways involve inflammation and the transcription factor nuclear factor-κB. Thus, age seems to be a predisposing factor for OA, with mechanical overload being the likely triggering cause.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,325
Écart entre enseignants0,293 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations151
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207