Visual exposure to green light therapy reduces knee joint pain and alters the lipidome in osteoarthritic rats
Notice bibliographique
Résumé
ABSTRACT: Visual exposure to dim, green, light has been found to reduce pain levels in patients living with migraine, low back pain, and fibromyalgia. Preclinical studies discovered that the analgesic effect of green light was due to the central release of endogenous opioids and a reduction in inflammatory cytokines in the cerebrospinal fluid. The present study assessed the effect of green light therapy (GLT) on joint pain in a rat model of osteoarthritis (OA) and investigated the role of endolipids. Male and female Wistar rats (207-318 g) received an intra-articular injection of sodium monoiodoacetate (3 mg in 50 μL saline) into the knee to induce OA. On day 9, animals were placed in a room illuminated by either white (neutral-white 4000K; 20 lux) or green (wavelength: 525 nm; luminance: 20 lux) light for 5 days (8 hours per day). Joint nociception was assessed by von Frey hair algesiometry, dynamic weight bearing, and in vivo single unit extracellular recordings from knee joint mechanonociceptors. Compared to white light, GLT significantly reduced secondary mechanical hypersensitivity in both sexes and improved hindlimb weight bearing in females only. There was no effect of GLT on joint nociceptor activity in either sex. Serum lipidomics indicated an increase in circulating analgesic endolipids in response to GLT, particularly the N -acyl-glycines. Partial blockade of the endocannabinoid system with the G protein receptor-18/cannabinoid-1 receptor antagonist AM281 (500 μg/kg i.p.) attenuated GLT-induced analgesia. These data show for the first time that GLT acts to reduce OA pain by upregulating circulating analgesic endolipids, which then engage the endocannabinoid system.
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 | 0,005 | 0,001 |
| 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 | 0,000 | 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 ».