Association between changes in molecular biomarkers of cartilage matrix turnover and changes in knee articular cartilage: a longitudinal pilot study
Notice bibliographique
Résumé
BACKGROUND: An early detection of Osteoarthritis is urgently needed and still not possible until today. The aim of the study was to assess whether molecular biomarkers of cartilage turnover are associated with longitudinal change in knee cartilage thickness during a 2 year period in individuals with increased risk of developing knee osteoarthritis. A secondary aim was to assess whether prior knee injury or subjective patient-reported outcomes at baseline (BL) were associated with articular cartilage changes. Nineteen volleyball players (mean age 46.5 ± 4.9 years, 47% male) with a 30-year history of regular high impact training were recruited. The serum biomarkers Cpropeptide of type II procollagen (CPII), cartilage oligomeric matrix protein (COMP), collagenase generated carboxy-terminal neoepitope of type II collagen (sC2C), cartilage intermediate layer protein 2 (CILP-2), and the urine biomarkers C-telopeptide of type II collagen (CTX-II) and collagenase-generated peptide(s) of type II collagen (C2C-HUSA) were assessed at BL and at 2 year follow up (FU). Femorotibial cartilage thinning, thickening and absolute thickness change between BL and FU was evaluated from magnetic resonance imaging. Subjective clinical status at BL was evaluated by the International Knee Documentation Committee Subjective Knee Form and the Short-Form 36 Physical Component Score. RESULTS: CILP-2 was significantly higher at FU and linearly associated with the absolute cartilage thickness change during the experimental period. Prior injury was a predictor of increased absolute cartilage thickness change. CONCLUSION: Measuring the change in the cartilage biomarker CILP-2 might be a valid and sensitive method to detect early development of knee osteoarthritis as CILP-2 appears to be related to cartilage thickness loss in certain individuals with increased risk of developing knee osteoarthritis. Prior knee injury may be predictive of increased articular cartilage thickness change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».