The effects of cardiac stretch on atrial fibroblasts: analysis of the evidence and potential role in atrial fibrillation
Notice bibliographique
Résumé
Atrial fibrillation (AF) is an important clinical problem. Chronic pressure/volume overload of the atria promotes AF, particularly via enhanced extracellular matrix (ECM) accumulation manifested as tissue fibrosis. Loading of cardiac cells causes cell stretch that is generally considered to promote fibrosis by directly activating fibroblasts, the key cell type responsible for ECM production. The primary purpose of this article is to review the evidence regarding direct effects of stretch on cardiac fibroblasts, specifically: (i) the similarities and differences among studies in observed effects of stretch on cardiac fibroblast function; (ii) the signalling pathways implicated; and (iii) the factors that affect stretch-related phenotypes. Our review summarizes the most important findings and limitations in this area and gives an overview of clinical data and animal models related to cardiac stretch, with particular emphasis on the atria. We suggest that the evidence regarding direct fibroblast activation by stretch is weak and inconsistent, in part because of variability among studies in key experimental conditions that govern the results. Further work is needed to clarify whether, in fact, stretch induces direct activation of cardiac fibroblasts and if so, to elucidate the determining factors to ensure reproducible results. If mechanical load on fibroblasts proves not to be clearly profibrotic by direct actions, other mechanisms like paracrine influences, the effects of systemic mediators and/or the direct consequences of myocardial injury or death, might account for the link between cardiac stretch and fibrosis. Clarity in this area is needed to improve our understanding of AF pathophysiology and assist in therapeutic 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 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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,016 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 ».