Translating CRISPR-Cas Systems into musculoskeletal medicine and orthopaedics: a scoping review protocol
Notice bibliographique
Résumé
Abstract Background Musculoskeletal diseases are a leading cause of global disability and healthcare burden, yet traditional orthopaedic procedures often fail to address molecular drivers of degenerative and genetic conditions. CRISPR-Cas Systems, a precise and programmable genome-editing technology, show promise in preclinical musculoskeletal models, ranging from gene knockouts in osteoarthritis to mutation correction in skeletal dysplasia. Despite growing interest, no comprehensive synthesis exists to map how CRISPR-Cas Systems are being applied in orthopaedic research. This scoping review aims to fill that gap. Methods This protocol will be registered with the Open Science Framework and follows PRISMA-ScR guidelines and the Arksey & O’Malley framework. MEDLINE, Embase, Scopus, Web of Science, and grey literature sources from 2005 onward will be searched. Inclusion criteria encompass original research using CRISPR-Cas Systems in human, animal, or in vitro musculoskeletal models. Two reviewers will independently screen titles, abstracts, and full texts using Covidence software. Data extraction will be standardized and performed in duplicate. Extracted variables include study design, model system, target tissue, gene-editing approach, delivery system, and reported outcomes. Results will be synthesized descriptively and thematically. Expected Results We anticipate mapping the evolution and diversity of CRISPR-Cas Systems applications across musculoskeletal tissues (bone, cartilage, tendon, muscle), highlighting domains such as tissue regeneration, gene correction, and disease modeling. Delivery strategies (viral vectors, nanoparticles) and translational challenges, including off-target effects and delivery barriers, will be summarized. Conclusions This will be the first scoping review to systematically characterize the role of CRISPR-Cas Systems in musculoskeletal medicine. Findings will inform researchers, clinicians, and policymakers, helping to guide future translational research and accelerating the integration of gene editing into clinical practice.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».