MétaCan
Menu
Retour à la cohorte
Enregistrement W7115686939 · doi:10.3389/fnut.2025.1691328

Role of oral hyaluronic acid for joint health: insights from rat models and clinical trials

2025· article· en· W7115686939 sur OpenAlexaboutno aff

Notice bibliographique

RevueFrontiers in Nutrition · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProteoglycans and glycosaminoglycans research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHyaluronic acidClinical trialJoint (building)Rat modelOsteoarthritisCartilage

Résumé

récupéré en direct d'OpenAlex

Background: Early studies have demonstrated the significant potential of hyaluronic acid (HA) in alleviating osteoarthritis (OA); however, the relationship between different molecular weights (MWs) and efficacy remains unclear. Methods: The rat model was used to evaluate the effects of different MWs of HA on OA and to identify the MW that was most effective in alleviating OA. Based on this, a clinical trial was conducted to verify the selected HA's clinical efficacy. Results: The results showed that HA significantly reduced joint swelling in rats, dramatically increased HA content in the serum and joint synovial fluid, decreased serum and joint synovial fluid levels of pro-inflammatory cytokines, and reduced the expression of matrix metalloproteinases (MMPs), inducible nitric oxide synthase (iNOS), and cyclooxygenase-2 (COX-2) when compared with the OA group, especially high-MW HA. Importantly, these protective roles may be attributed to the immune regulation of HA. Clinical trial results indicated that HA significantly decreased pain, stiffness, and physical function of Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) scores and had no significant impact on blood and urine indices. Conclusion: Our findings suggest that oral supplementation with HA can reduce the progression of arthritis, pain, and cartilage damage, and can be a new strategy to relieve joint discomfort.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,385
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NutritionMême sujetProteoglycans and glycosaminoglycans researchTravaux en français237 207