Modèles chirurgicaux de douleur arthrosique : évaluation fonctionnelle, biomarqueurs spinaux et développement de nouveaux modèles
Bibliographic record
Abstract
L’étiologie exacte de la douleur arthrosique n’est que partiellement comprise et le recours à des modèles animaux est fondamental dans l’investigation physiopathologique du modèle nociceptif et le développement de modalités thérapeutiques, en particulier lors de la création d’un modèle de douleur chronique pathologique. Dans l’investigation de la douleur arthrosique du genou chez le rat, l’utilisation d’un modèle par injection intra-articulaire de mono-iodo-acétate de sodium (MIA) est surreprésentée. Cependant, ce modèle ne représente pas la maladie naturelle chez l’humain puisque l’atteinte est aiguë, induite chimiquement, et temporaire. Nous émettons l’hypothèse que les modèles chirurgicaux possèdent l’avantage d’utiliser des mécanismes mimant la condition naturelle dans l’arthrose post-traumatique. Le modèle de transsection du ligament croisé crânial, de déstabilisation du ménisque médial (par méniscotomie médiale partielle) et leur combinaison ont été évalués lors d’une étude pilote avec l’objectif de comparer les données fonctionnelles et les neuromarqueurs spinaux entre les modèles chirurgicaux et MIA. L’induction chirurgicale a été accompagnée de changements neurophysiologiques quantifiables liés à la douleur pathologique et persistant plus longtemps que le modèle MIA, représentant ainsi plusieurs avantages pouvant être appliqués lors de l’évaluation de modalités thérapeutiques. Les modèles chirurgicaux simples se sont révélés sans intérêt car ils présentent des atteintes fonctionnelles temporaires et sans modification neuroprotéomique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".