Osteoarthritis, cerebrovascular dysfunction and the common denominator of inflammation: a narrative review
Notice bibliographique
Résumé
OBJECTIVE: Population-based cohort studies suggest an association between osteoarthritis (OA) and cerebrovascular disease, yet the mechanisms underlying vascular comorbidities in OA remain unclear. The purpose of this narrative review is to discuss the literature examining inflammation in OA with a focus on physiological mechanisms, and whether overlapping mechanisms exist in cerebrovascular dysfunction. METHOD: A literature search was conducted in PubMed using combinations of search terms: osteoarthritis, cerebrovascular (disease/dysfunction/risk), cardiovascular (disease/dysfunction/risk), aging/ageing, inflammation, inflammatory mediators, cytokine, c-reactive protein, interleukin, advanced glycation end-products, metabolic syndrome, reactive oxidative species, cognitive impairment, (vascular-related) dementia, small cerebral vessel disease, endothelial function, blood-brain barrier, gender/sex, hypertension, peripheral vascular health, and physical activity. Reference lists of identified articles were also researched manually. RESULTS: Overlapping inflammatory factors that may contribute to onset and progression of both OA and cerebrovascular dysfunction are presented. We describe oxidative mechanisms involving pro-inflammatory cytokines and oxidative species, advanced glycation end-products, sex hormones, microvascular dysfunction and osteoprotegerin, and their specific roles in potentially contributing to OA and cerebrovascular dysfunction. CONCLUSION: Synthesis of the current literature suggests future investigations may benefit from directly testing cerebrovascular hemodynamics and cognitive function in individuals with or at risk of OA to elucidate common physiological mechanisms.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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) | 0,000 | 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 ».