Notice bibliographique
Résumé
INTRODUCTION: Osteoarthritis is a heterogeneous joint disorder that lacks a clinically meaningful disease modifying drug. Animal models have been beneficial in understanding basic joint pathology and providing rationale for future clinical trials on identified targets. This review aims to discuss promising therapeutic targets of osteoarthritis that are currently in animal studies or early clinical trials. AREAS COVERED: PubMed was searched for articles published between 2017 and 2021 with the following terms: (osteoarthritis AND autophagy) OR (osteoarthritis AND senescence) OR (osteoarthritis AND TGFbeta) OR (osteoarthritis AND EGFR) OR (osteoarthritis AND Wnt/β-catenin) OR (osteoarthritis AND inflammation). Specific targets include the PI3/AKT/mTOR pathway, epidermal growth factor receptor, Toll-like receptors, and inflammatory interleukins, among others. EXPERT OPINION: In reviewing these targets, it is clear that the field of therapeutic targets for osteoarthritis has grown tremendously. We have gained a better understanding of previously identified targets, identified new targets, and have the opportunity to explore enhanced drug delivery via viral vectors. Regardless, translation to clinical benefits is still lacking in most cases. We propose that this may be due to the heterogeneous nature of the disease, lack of early diagnostic markers, mismatched preclinical animal models and clinical populations, and the complex role of many targets of interest.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».