Prokineticin 2 and Cytokine Content in the Synovial Fluid of Knee Osteoarthritis and Traumatic Meniscal Tear Patients: Preliminary Results
Notice bibliographique
Résumé
Knee osteoarthritis (OA) is a chronic degenerative inflammatory-based condition caused by a cascade of different intra-articular molecules including several cytokines. Among the cytokines, prokineticins (PKs) have recently been identified as important mediators of inflammation and pain. This observational study examined the potential involvement of PK2 in degenerative or traumatic knee disease. Fifteen patients presenting knee osteoarthritis (OA group) and 15 patients presenting a traumatic meniscal tear (TM group) were studied. Synovial fluid samples from affected knees were assessed for PK2, IL-10, and TNF-α using the ELISA method. At a long-term follow-up (minimum 5 years, mean = 6.1 years), patients in the TM group underwent clinical re-evaluation with PROMs (Tegner Activity Scale, IKDC, Lysholm, SKV); in addition, X-ray visualization was used to assess the presence of secondary OA. PK2 was detected in synovial fluids of both TM and OA patients and the levels were comparable between the two groups, while IL-10 levels were significantly greater in the OA group than those in TM patients. PK2 levels correlated with those of IL-10. PK2 levels were greater in blood effusions compared to clear samples, did not differ significantly between sexes, nor were they related to differences in weight, height, or injury (meniscal laterality, time since dosing). No correlation was found between PROMs and radiological classifications in patients in the TM group at final follow-up. These data are the first observations of PK2 in synovial fluid following traumatic meniscus injury. These findings suggest possible further prognostic indices and therapeutic targets to limit the development of secondary OA.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 ».