背景:不习惯的运动使骨骼肌损伤,但可以产生一种减轻肌肉再损伤减轻疼痛的特定训练效果-肌肉记忆。目的:基于延迟性肌肉酸痛的病因,综述延迟性肌肉酸痛中骨骼肌记忆的存在及其可能机制,提出防治延迟性肌肉酸痛的新见解。方法:第一作者以...背景:不习惯的运动使骨骼肌损伤,但可以产生一种减轻肌肉再损伤减轻疼痛的特定训练效果-肌肉记忆。目的:基于延迟性肌肉酸痛的病因,综述延迟性肌肉酸痛中骨骼肌记忆的存在及其可能机制,提出防治延迟性肌肉酸痛的新见解。方法:第一作者以“DOMS,Skeletal muscle memory,Exercise Skeletal muscle adaptation,Repeat turn effect,exercise and autophagy,Autophagy and inflammation”为英文检索词,“延迟性肌肉酸痛,骨骼肌记忆,运动性骨骼肌适应,重复回合效应,运动与自噬,自噬与炎症”为中文检索词,检索PubMed、Embase、Web of Science、中国知网及万方数据库1990年1月至2022年12月发表的相关文献,最终纳入102篇文献进行综述。结果与结论:目前认为延迟性肌肉酸痛是由于代谢紊乱、机械损伤和氧化应激所致的急性期炎症反应,而运动性骨骼肌记忆具有减轻延迟性肌肉酸痛、减轻运动再损伤的作用,当离心训练的持续时间、频率和强度逐渐增加时,损伤症状可以被最小化,甚至可以避免。因此基于运动性骨骼肌记忆机制,寻找防治或减轻延迟性肌肉酸痛及运动性肌肉损伤的方法是未来的研究方向。综述的主要目的:①明确运动性骨骼肌记忆的存在;②探讨运动性骨骼肌记忆的可能机制,并提出该记忆与骨骼肌自噬的关系;③通过改善骨骼肌自噬水平为延迟性肌肉酸痛的防治提供新策略。展开更多
背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究...背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究现状、热点和未来发展趋势,以期为今后的研究提供新的见解。方法:选择Web of Science核心集数据库中,时间跨度设为自建库至2023年8月,检索人工智能、机器学习、深度学习应用于骨创伤相关的文献420篇。通过人工筛选,导出与文章相关的文献共202篇,采用Citespace软件进行国家、机构、被引期刊和引文分析等的合作和关键词的共现等可视化分析。结果与结论:①分析筛选后纳入的202篇文献,总体发文量呈上升趋势,且在未来研究潜力巨大。研究中心性最高和发文量排名第一的国家均为美国。加州大学(美国)是发文量最多的研究机构。②人工智能在骨创伤研究中最常用的前5个关键词是深度学习、人工智能、骨密度、机器学习、诊断,中心性最高的关键词为骨密度,关键词数量最多的为深度学习。③共被引频次前10位的参考文献分别从多个方面介绍了人工智能技术应用于骨创伤领域诊断的可行性研究,其中8篇涉及骨关节损伤与深卷积神经网络,1篇涉及深度学习在CT检查中检测骨质疏松从而预防脆性骨折,1篇通过人工智能识别皮肤纹理变的特征应用于骨的特征性识别的相关性研究。④今后,人工智能的研究热点将主要集中在骨关节创伤和骨质疏松引发的骨折特异性研究上,未来研究趋势主要集中在提升人工智能算法的性能上,使用人工智能新技术对骨损伤进行精准划分和快速高效诊断,尤其是针对复杂和隐匿性骨折的诊断,通过建立有限元分析模型,实现对骨创伤的更加标准化评估。展开更多
文摘背景:不习惯的运动使骨骼肌损伤,但可以产生一种减轻肌肉再损伤减轻疼痛的特定训练效果-肌肉记忆。目的:基于延迟性肌肉酸痛的病因,综述延迟性肌肉酸痛中骨骼肌记忆的存在及其可能机制,提出防治延迟性肌肉酸痛的新见解。方法:第一作者以“DOMS,Skeletal muscle memory,Exercise Skeletal muscle adaptation,Repeat turn effect,exercise and autophagy,Autophagy and inflammation”为英文检索词,“延迟性肌肉酸痛,骨骼肌记忆,运动性骨骼肌适应,重复回合效应,运动与自噬,自噬与炎症”为中文检索词,检索PubMed、Embase、Web of Science、中国知网及万方数据库1990年1月至2022年12月发表的相关文献,最终纳入102篇文献进行综述。结果与结论:目前认为延迟性肌肉酸痛是由于代谢紊乱、机械损伤和氧化应激所致的急性期炎症反应,而运动性骨骼肌记忆具有减轻延迟性肌肉酸痛、减轻运动再损伤的作用,当离心训练的持续时间、频率和强度逐渐增加时,损伤症状可以被最小化,甚至可以避免。因此基于运动性骨骼肌记忆机制,寻找防治或减轻延迟性肌肉酸痛及运动性肌肉损伤的方法是未来的研究方向。综述的主要目的:①明确运动性骨骼肌记忆的存在;②探讨运动性骨骼肌记忆的可能机制,并提出该记忆与骨骼肌自噬的关系;③通过改善骨骼肌自噬水平为延迟性肌肉酸痛的防治提供新策略。
文摘背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究现状、热点和未来发展趋势,以期为今后的研究提供新的见解。方法:选择Web of Science核心集数据库中,时间跨度设为自建库至2023年8月,检索人工智能、机器学习、深度学习应用于骨创伤相关的文献420篇。通过人工筛选,导出与文章相关的文献共202篇,采用Citespace软件进行国家、机构、被引期刊和引文分析等的合作和关键词的共现等可视化分析。结果与结论:①分析筛选后纳入的202篇文献,总体发文量呈上升趋势,且在未来研究潜力巨大。研究中心性最高和发文量排名第一的国家均为美国。加州大学(美国)是发文量最多的研究机构。②人工智能在骨创伤研究中最常用的前5个关键词是深度学习、人工智能、骨密度、机器学习、诊断,中心性最高的关键词为骨密度,关键词数量最多的为深度学习。③共被引频次前10位的参考文献分别从多个方面介绍了人工智能技术应用于骨创伤领域诊断的可行性研究,其中8篇涉及骨关节损伤与深卷积神经网络,1篇涉及深度学习在CT检查中检测骨质疏松从而预防脆性骨折,1篇通过人工智能识别皮肤纹理变的特征应用于骨的特征性识别的相关性研究。④今后,人工智能的研究热点将主要集中在骨关节创伤和骨质疏松引发的骨折特异性研究上,未来研究趋势主要集中在提升人工智能算法的性能上,使用人工智能新技术对骨损伤进行精准划分和快速高效诊断,尤其是针对复杂和隐匿性骨折的诊断,通过建立有限元分析模型,实现对骨创伤的更加标准化评估。
