Onderzoeksartikel

Het kennislandschap van spieraandoeningen bij reumatoïde artritis in kaart brengen: een bibliometrische en bio-informatische studie

199 weergaven

⸱

DOI:

10.3791/70373

⸱

21 april 2026

 ,  ,  , 
1Department of TCM Rheumatology, China-Japan Friendship Hospital, 2School of Acupuncture-Moxibustion and Tuina, Beijing University of Chinese Medicine, 3Department of Integrated TCM and Western Medicine for Pulmonary Diseases, China-Japan Friendship Hospital

In dit artikel

Samenvatting

Deze studie maakt gebruik van bibliometrische analyse om het huidige onderzoekslandschap van reumatoïde artritis-gerelateerde spieraandoeningen af te bakenen en gebruikt verder bio-informatische benaderingen om gedeelde genen en verrijkte routes tussen reumatoïde artritis en myositis te onderzoeken.

Samenvatting

Deze studie voerde een bibliometrische analyse uit van publicaties gerelateerd aan de comorbiditeit tussen reumatoïde artritis (RA) en spierziekten, afkomstig uit de Web of Science Core Collection-database tussen 1 januari 2015 en 31 december 2024. Door de belangrijkste kenmerken van de gepubliceerde artikelen te onderzoeken, was het doel van de studie om wereldwijde onderzoekshotspots op dit gebied te identificeren. Met behulp van tools zoals VOSviewer, CiteSpace, Scimago Graphica en Excel werd een visuele analyse van het onderzoekslandschap uitgevoerd. De analyse toonde aan dat de jaarlijkse publicatieproductie in dit domein een cyclische fluctuatie vertoonde. De Verenigde Staten leidden in het totale aantal publicaties, gevolgd door China. Uitgeverijen vormden regionale samenwerkingsnetwerken met aanzienlijke uitstralende effecten. Karolinska Institutet en Karolinska Universitair Ziekenhuis in Zweden stonden respectievelijk op de eerste en tweede plaats met respectievelijk 50 en 30 publicaties. Wat betreft specifieke onderzoeksonderwerpen identificeerde de sleutelwoordclusteranalyse 12 thematische clusters, waaronder myositis, tumornecrosefactor en metabolisme. Aangezien myositis een onderzoekshotspot is binnen de comorbiditeit van RA en spierziekten, hebben we GeneCards verder ingezet om de correlatie tussen RA en myositis te analyseren in termen van genexpressie en routes, waarbij we de resultaten grafisch presenteerden. GeneCards-screening identificeerde 359 gedeelde genen. Analyse van eiwit-eiwitinteractienetwerken toonde aan dat genen zoals TNF, IL6 en IFNG centrale posities innemen. De KEGG-verrijkingsanalyse gaf aan dat de TNF-, JAK-STAT- en IL-17-signaalroutes een cruciale rol spelen.

Inleiding

Reumatoïde artritis (RA) is een chronische auto-immuunontstekingsaandoening die wordt gekenmerkt door symmetrische gewrichtsbetrokkenheid, met een wereldwijde prevalentie van ongeveer 0,5–1%. Het kernpathologische mechanisme van RA omvat afwijkende activatie van het immuunsysteem, wat leidt tot aanhoudende ontsteking van het synoviale membraan en een cascade van gewrichtspathologische veranderingen 3,4,5. Hoewel synovium het primaire doelwit van RA is, gaat de ziekte vaak gepaard met verschillende systemische manifestaties, waaronder hart- en vaatziekten, osteoporose en spiergerelateerde aandoeningen 6,7,8,9. Onder deze factoren zijn RA-gerelateerde spierveranderingen, zoals spieratrofie, verminderde spierkracht en myositis, de afgelopen jaren geleidelijk uitgegroeid tot een onderzoekshotspot. Deze complicaties verergeren niet alleen functionele beperkingen en verminderen de kwaliteit van leven, maar beïnvloeden ook de ziekteprognose en de respons op de behandeling 10,11,12,13. Hoewel spieraandoeningen klinisch veel voorkomen bij patiënten met RA, blijven de specifieke hotspot-condities onduidelijk en zijn de onderliggende comorbide moleculaire mechanismen nog niet systematisch opgehelderd. Bovendien rechtvaardigen de wereldwijde onderzoekstrends en kennisstructuur op dit gebied verder systematisch onderzoek14.

In het afgelopen decennium is er aanzienlijke vooruitgang geboekt in onderzoek naar RA-gerelateerde spierziekten, gedreven door vooruitgang in biologische therapieën, gerichte behandelingen en revalidatiegeneeskunde 15,16,17. Toch ontbreekt nog steeds een uitgebreide analyse van de verschuivende onderzoeksfocus, samenwerkingsnetwerken en de evolutie van kernthema's binnen de academische gemeenschap. Bibliometrie, een kwantitatieve methode voor het analyseren van academische literatuur, kan onderzoekstrends, bijdragen van landen en instellingen, trefwoordhotspots en interdisciplinaire dynamiek binnen een specifiek vakgebiedonthullen. Visualisatietechnieken, zoals co-occurrence netwerken en clusteringanalyse, bieden verder intuïtieve inzichten in de evolutie van kennisstructuren. Bio-informatica-analyse maakt diepgaande analyse van biologische gegevens mogelijk om potentiële ziektepathogenese en belangrijke regulerende routes op moleculair niveau te onthullen. De integratie van deze twee benaderingen vergemakkelijkt de opbouw van een uitgebreid onderzoekskader, dat varieert van macroscopische kenniskaarten tot microscopische moleculaire netwerken, en biedt zo nieuwe multidimensionale perspectieven om de pathogenese van RA-geassocieerde spierstoornissen te begrijpen en potentiële interventiedoelen te identificeren.

Gebaseerd op de Web of Science-database maakt deze studie gebruik van bibliometrische tools zoals VOSviewer, CiteSpace, Scimago Graphica en Excel om systematisch het jaarlijkse publicatievolume, nationale en institutionele bijdragen, het samenkomen van trefwoorden en opkomende thematische trends op het gebied van RA gerelateerd aan spiergerelateerde aandoeningen te analyseren. Daarnaast werd de GeneCards-database gebruikt om gedeelde genen en verrijkte routes te analyseren die geassocieerd zijn met zowel myositis als RA. De bevindingen zijn bedoeld om nieuwe inzichten te bieden in mechanistische verkenning, klinische interventie en interdisciplinaire samenwerking met betrekking tot spiergerelateerde aandoeningen die met RA geassocieerd worden.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

De algemene workflow van deze studie wordt geïllustreerd in Figuur 1, waarin de opeenvolgende stappen van literatuurzoeken, bibliometrische analyse, identificatie van gedeelde genen, constructie van het eiwit-eiwitinteractienetwerk en padverrijkingsanalyse worden beschreven.

Strategie voor literatuurzoektocht
De literatuurzoektocht werd uitgevoerd op 22 juni 2025 in de Web of Science (WOS) Core Collection-database19. De zoekopdracht was beperkt tot de Science Citation Index Expanded (SCI-Expanded) en Social Sciences Citation Index (SSCI), die publicaties omvatten van 1 januari 2015 tot 31 december 2024. De specifieke zoektermen en het bijbehorende aantal resultaten worden weergegeven in Tabel 1. Na de eerste zoektocht werden documenttypes zoals samenvattingen, conferentiepapers, redactioneel materiaal, boekhoofdstukken en ingetrokken publicaties uitgesloten. Vervolgens werden alleen documenten in de Engelse taal en van de typen "Artikel" of "Review Artikel" bewaard voor verdere analyse.

Bibliometrische analyse
Bibliometrische analyse en visualisatie vereisen ondersteuning van specifieke softwaretools, waarvan details worden vermeld in de Materiaaloverzicht. Deze studie heeft als doel een kenniskaart te maken van het interdisciplinaire onderzoeksveld dat myositis en reumatoïde artritis overbrugt. De analytische reikwijdte omvat publicatietrendanalyses van het afgelopen decennium, patronen van internationale samenwerking en samenwerkingsnetwerken, academische invloed tussen instellingen/tijdschriften/auteurs, kerntrefwoorden die onderzoekshotspots weerspiegelen, en citatienetwerkanalyse.

Jaarlijkse publicatiecijfers werden eerst geëxporteerd uit de Web of Science-database en gebruikt om statistische grafieken te genereren die publicatietrends illustreren. De opgehaalde literatuurgegevens werden vervolgens geïmporteerd in VOSviewer-software voor analyse: binnen de module "Co-auteurschap" werden opties voor "Auteurs", "Organisaties" en "Landen" sequentieel geselecteerd om respectievelijk auteurs-samenwerkingsnetwerken, institutionele samenwerkingsnetwerken en landensamenwerkingsnetwerken te genereren; binnen de "Citation"-module werd de optie "Sources" gekozen om samenwerkingsnetwerken voor tijdschriften te creëren; binnen de module "Co-citation" werden "Cited Sources" en "Cited Authors" gekozen om samenwerkingsnetwerken voor geciteerde tijdschriften en samenwerkingsnetwerken voor geciteerde auteurs te verkrijgen. Om internationale samenwerkingsrelaties intuïtiever te visualiseren, werd het landen-samenwerkingsnetwerk verder esthetisch geoptimaliseerd met behulp van Scimago Graphica-software om de visuele helderheid en interpreteerbaarheid te verbeteren20.

Analyse van trefwoordhotspots en interdisciplinaire thematische termen werd uitgevoerd met behulp van CiteSpace-software21. Het Pathfinder-algoritme werd geselecteerd voor netwerk-snoeien, met een tijdsperiode vastgesteld van januari 2015 tot december 2024, verdeeld in maandelijkse tijdsblokken. Het knooppunttype werd geconfigureerd als "Keyword", wat resulteerde in een op trefwoorden gebaseerde clusterkaart van onderzoekshotspots, representatieve thematische termen voor elke cluster en de top 20 meest voorkomende hotspot-zoekwoorden. Citatienetwerkanalyse volgde een vergelijkbare procedurele workflow, waarbij alleen het nodetype werd aangepast naar "Cited Reference" om de bijbehorende analyse uit te voeren.

Identificatie van gedeelde genen
Op basis van bibliometrische analyse toonde het trefwoord "myositis" een significante prominente rol in het interdisciplinaire onderzoeksdomein van spierpathologie en reumatoïde artritis. Daarom selecteerde deze studie myositis en reumatoïde artritis als proefpersonen om overlappende genanalyses uit te voeren. De specifieke procedure was als volgt: Eerst werden doelgenen die geassocieerd zijn met myositis en reumatoïde artritis gehaald uit de GeneCards-database22. Om de volledigheid van de analyse te waarborgen, stelde deze studie geen relevantiescoredrempel vast en nam alle gerapporteerde genen die met de ziekten geassocieerd zijn op, waarmee twee overeenkomstige gensets werden geconstrueerd. Door deze twee sets te vergelijken, werden overlappende genen geïdentificeerd. Deze overlappende genen werden uiteindelijk gedefinieerd als "RA-Myositis-comorbiditeitsgerelateerde genen" en dienden als de kerndataset voor latere analyses.

Constructie van eiwit-eiwitinteractie (PPI) netwerkconstructie
Met behulp van de queryfunctie "Meerdere eiwitten" in de STRING-database hebben we de lijst "RA-myositis comorbidity-related gens" ingediend voor analyse23. Het organisme werd ingesteld op "Homo sapiens" met een minimaal vereiste interactiescore van ≥0,700 (medium vertrouwen). De resulterende eiwit-eiwitinteractienetwerkgegevens werden vervolgens geïmporteerd in Cytoscape voor visualisatie. Door knoopvorm- en -kleuren aan te passen via het STYLE-paneel, werd een duidelijk gevisualiseerd eiwit-eiwit interactienetwerkdiagram gegenereerd.

Analyse van padverrijking
De specifieke workflow voor padverrijkingsanalyse verliep als volgt. Eerst werd de Kyoto Encyclopedia of Genes and Genomes (KEGG) routeverrijkingsanalyse uitgevoerd op de gedeelde genset met behulp van het clusterProfiler-pakket in R-software24. De statistische significantie werd beoordeeld met de hypergeometrische test, en p-waarden werden aangepast voor meervoudig testen met behulp van de Benjamini-Hochberg-methode om het valse ontdekkingspercentage te beheersen. Paden met een aangepaste p-waarde < 0,05 werden als significant verrijkt beschouwd en werden behouden voor verdere analyse. Routes gerelateerd aan specifieke menselijke ziekten of algemene metabole processen werden vervolgens handmatig uitgesloten om de analyse te richten op kernsignaleringsmechanismen. De gefilterde routes en hun bijbehorende genen werden vervolgens geïmporteerd in Cytoscape-software om een interactienetwerk25 te construeren. Het algoritme "yFiles Organic Layout" werd toegepast om een duidelijke hiërarchische structuur te genereren. Visuele attributen werden verder geoptimaliseerd in het STYLE-paneel: de kleurintensiteit van de knoop werd in kaart gebracht naar verrijkingssignificantie, de grootte van de knoop werd gewogen op basis van het aantal kerngenen in elke route, en de randdikte werd gewogen door de Jaccard-gelijkencoëfficiënt tussen paden om de mate van genoverlap weer te geven. Uiteindelijk werd een KEGG-padinteractienetwerk verkregen voor een uitgebreide analyse.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Jaarlijks aantal publicaties
Een zoekopdracht in de WOS-database toonde aan dat er in het afgelopen decennium in totaal 1.352 onderzoeksartikelen over RA en spiergerelateerde studies zijn gepubliceerd. Na selectie om documenttypen zoals samenvattingen, conferentiepapers, redactioneel materiaal, boekhoofdstukken en ingetrokken publicaties uit te sluiten, werden alleen artikelen en recensieartikelen behouden, wat resulteerde in 1.274 publicaties. Verdere beperkingen op ...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Bibliometrische analyse toont een duidelijke, gefaseerde evolutie van onderzoeksfocus op dit gebied: terwijl vroege studies zich voornamelijk richtten op fundamentele verkenning van ontstekingsmechanismen van gewrichts, is de focus geleidelijk verschoven naar uitgebreide onderzoeksrichtingen zoals het opzetten van klinische beoordelingssystemen, het ophelderen van moleculaire routes en de ontwikkeling van gerichte interventiestrategieën voor systemische comorbiditeiten2...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs hoeven geen belangenconflicten aan te geven.

Dankbetuigingen

Deze studie werd ondersteund door de National Natural Science Foundation of China (subsidienummer 81704050).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
CiteSpaceDrexel Universityhttps://citespace.podia.comKeyword clustering, burst detection, and reference co-citation analysis
clusterProfilerR package / Bioconductorhttps://bioconductor.org/packages/clusterProfilerKEGG pathway verrijkingsanalyse
CytoscapeNational Institute of General Medical Sciences (NIGMS)https://cytoscape.orgVisualisatie van PPI-netwerken en KEGG pathway interactienetwerken
ExcelMicrosoft Corporationhttps://www.microsoft.com/excelGegevensorganisatie, statistische grafieken en analyse van jaarlijkse publicatietrends
GeneCardsWeizmann Institute of Sciencehttps://www.genecards.orgOpvragen van doelgenen voor reumatoïde artritis en myositis
R SoftwareThe R Foundationhttps://www.r-project.orgStatistische computing, gegevensanalyse en generatie van verrijkingsplots
Scimago GraphicaScimago Labhttps://www.graphica.appVisualisatie en esthetische optimalisatie van landensamenwerkingsnetwerken
STRINGSwiss Institute of Bioinformatics (SIB) et al.https://string-db.orgBouw van eiwit-eiwit interactie (PPI) netwerken
VOSviewerLeiden Universityhttps://www.vosviewer.comBouw van samenwerkingsnetwerken (auteurs, instellingen, landen) en tijdschrift co-citatie analyse

Referenties

  1. Brown, P., Pratt, A. G., Hyrich, K. L. Therapeutic advances in rheumatoid arthritis. BMJ. 384, e070856(2024).
  2. Finckh, A., et al. Global epidemiology of rheumatoid arthritis. Nat Rev Rheumatol. 18 (10), 591-602 (2022).
  3. Weyand, C. M., Goronzy, J. J. The immunology of rheumatoid arthritis. Nat Immunol. 22 (1), 10-18 (2021).
  4. Di Matteo, A., Bathon, J. M., Emery, P. Rheumatoid arthritis. Lancet. 402 (10416), 2019-2033 (2023).
  5. Gravallese, E. M., Firestein, G. S. Rheumatoid arthritis—common origins, divergent mechanisms. N Engl J Med. 388 (6), 529-542 (2023).
  6. England, B. R., Thiele, G. M., Anderson, D. R., Mikuls, T. R. Increased cardiovascular risk in rheumatoid arthritis: mechanisms and implications. BMJ. 361, k1036(2018).
  7. Minisola, S., Pepe, J., Cipriani, C. Rheumatoid arthritis, bone and drugs: a dangerous interweave. Ann Rheum Dis. 80 (4), 409-410 (2021).
  8. Bennett, J. L., et al. Rheumatoid sarcopenia: loss of skeletal muscle strength and mass in rheumatoid arthritis. Nat Rev Rheumatol. 19 (4), 239-251 (2023).
  9. Zhao, Y., Chen, G. Y., Fang, M. Research trends of rheumatoid arthritis and depression from 2019 to 2023: a bibliometric analysis. J Multidiscip Healthc. 17, 4465-4474 (2024).
  10. Farrow, M., et al. Muscle deterioration due to rheumatoid arthritis: assessment by quantitative MRI and strength testing. Rheumatology (Oxford). 60 (3), 1216-1225 (2021).
  11. Qu, Y., et al. Development and validation of a predictive model assessing the risk of sarcopenia in rheumatoid arthritis patients. Front Immunol. 15, 1437980(2024).
  12. Cano-García, L., et al. Sarcopenia and nutrition in elderly rheumatoid arthritis patients: a cross-sectional study. Nutrients. 15 (11), 2440(2023).
  13. Chen, G. Y., et al. Mechanisms of total glucosides of paeony in alleviating methotrexate-induced liver injury. Drug Des Devel Ther. 19, 3407-3423 (2025).
  14. Ding, Q., et al. Signaling pathways in rheumatoid arthritis: implications for targeted therapy. Signal Transduct Target Ther. 8 (1), 68(2023).
  15. Aletaha, D., Smolen, J. S. Diagnosis and management of rheumatoid arthritis: a review. JAMA. 320 (13), 1360-1372 (2018).
  16. Chen, G. Y., et al. Network pharmacology analysis and experimental validation of total flavonoids of Rhizoma Drynariae in rheumatoid arthritis. Drug Des Devel Ther. 16, 1743-1766 (2022).
  17. Pavlov-Dolijanovic, S., et al. Elderly-Onset Rheumatoid Arthritis: Characteristics and Treatment Options. Medicina (Kaunas). 59 (10), 1878(2023).
  18. Ninkov, A., Frank, J. R., Maggio, L. A. Bibliometrics: methods for studying academic publishing. Perspect Med Educ. 11 (3), 173-176 (2022).
  19. Li, K., Rollins, J., Yan, E. Web of Science use in published research and review papers 1997–2017. Scientometrics. 115 (1), 1-20 (2018).
  20. Chen, H., Chen, F., Luo, J., Chen, S. Research trends in emergency department overcrowding: a bibliometric study. Technol Health Care. 33 (3), 1159-1168 (2025).
  21. Du, Q., et al. Protocol for conducting bibliometric analysis using CiteSpace and VOSviewer. STAR Protoc. 5 (3), 103269(2024).
  22. Stelzer, G., et al. The GeneCards Suite: from gene data mining to disease genome sequence analyses. Curr Protoc Bioinformatics. 54, 1.30.1-1.30.33 (2016).
  23. Szklarczyk, D., et al. The STRING database in 2023: protein–protein association networks. Nucleic Acids Res. 51 (D1), D638-D646 (2023).
  24. Dessau, R. B., Pipper, C. B. R—project for statistical computing. Ugeskr Laeger. 170 (5), 328-330 (2008).
  25. Shannon, P., et al. Cytoscape: a software environment for biomolecular interaction networks. Genome Res. 13 (11), 2498-2504 (2003).
  26. Su, C. M., et al. Melatonin regulates rheumatoid synovial fibroblast inflammation. J Pineal Res. 76 (6), e13009(2024).
  27. Nygaard, G., Firestein, G. S. Restoring synovial homeostasis in rheumatoid arthritis. Nat Rev Rheumatol. 16 (6), 316-333 (2020).
  28. Xiao, Z. X., Miller, J. S., Zheng, S. G. Advances in autoantibodies in autoimmune diseases. Autoimmun Rev. 20 (2), 102743(2021).
  29. Wu, D., et al. Systemic complications of rheumatoid arthritis. Front Immunol. 13, 1051082(2022).
  30. Deane, K. D., Holers, V. M. Rheumatoid arthritis pathogenesis, prediction, and prevention. Arthritis Rheumatol. 73 (2), 181-193 (2021).
  31. Lekieffre, M., et al. Joint and muscle inflammatory disease: a scoping review. Semin Arthritis Rheum. 61, 152227(2023).
  32. Tian, J., et al. Methotrexate-loaded nanomedicine in rheumatoid arthritis. Acta Biomater. 157, 367-380 (2023).
  33. Hysa, E., et al. Vitamin D and muscle status in autoimmune rheumatic diseases. Nutrients. 16 (14), 2329(2024).
  34. Xu, L., et al. Metabolomics in rheumatoid arthritis: advances and review. Front Immunol. 13, 961708(2022).
  35. Østergaard, M., Boesen, M. Imaging in rheumatoid arthritis. Radiol Med. 124 (11), 1128-1141 (2019).
  36. Chen, Z., Bozec, A., Ramming, A., Schett, G. Anti-inflammatory cytokines in rheumatoid arthritis. Nat Rev Rheumatol. 15 (1), 9-17 (2019).
  37. Liu, W., et al. Sinomenine inhibits rheumatoid arthritis progression. Front Immunol. 9, 2228(2018).
  38. Miyabe, Y., Miyabe, C., Luster, A. D. LTB4 and BLT1 in inflammatory arthritis. Semin Immunol. 33, 52-57 (2017).
  39. Konzett, V., Aletaha, D. Management strategies in rheumatoid arthritis. Nat Rev Rheumatol. 20 (12), 760-769 (2024).
  40. Yang, D., et al. Research trends in heart failure and anxiety comorbidity. J Multidiscip Healthc. 18, 7175-7191 (2025).
  41. Colina, M., Campana, G. Precision medicine in rheumatology. J Clin Med. 14 (5), 1735(2025).
  42. Peilin, Z., et al. Inflammatory cytokines and rheumatoid arthritis. Postgrad Med J. 101 (1194), 313-320 (2025).
  43. Zamri, F., de Vries, T. J. TNF inhibitors in rheumatoid arthritis. Front Immunol. 11, 591365(2020).
  44. Pandolfi, F., et al. Interleukin-6 in rheumatoid arthritis. Int J Mol Sci. 21 (15), 5238(2020).
  45. Rong, H., et al. IL1B polymorphisms and rheumatoid arthritis risk. Int Immunopharmacol. 83, 106401(2020).
  46. Navarro-Compán, V., et al. IL-17 pathways in inflammatory diseases. Front Immunol. 14, 1191782(2023).
  47. Chen, G., Yan, Z., Wang, Y., Tao, Q. Rheumatoid arthritis and fibromyalgia: bibliometric study. J Multidiscip Healthc. 18, 6811-6827 (2025).
  48. Liu, X. R., et al. Isorhamnetin inhibits rheumatoid arthritis progression. Chin J Integr Med. 30 (4), 299-310 (2024).
  49. Niu, X., et al. Tectoridin suppresses inflammatory signaling in RA. Tissue Cell. 77, 101826(2022).
  50. Li, W., et al. Mangiferin and cinnamic acid alleviate rheumatoid arthritis. Front Immunol. 13, 912933(2022).
  51. Wang, Y., et al. Research trends in JAK inhibitors for ulcerative colitis. J Multidiscip Healthc. 18, 6755-6771 (2025).
  52. Bertrand, D., et al. Methotrexate and etanercept in early RA: CareRA2020 trial. RMD Open. 10 (3), e004535(2024).
  53. Simon, L. S., et al. The JAK/STAT pathway in rheumatoid arthritis. Semin Arthritis Rheum. 51 (1), 278-284 (2021).
  54. Hodge, J. A., et al. Mechanism of action of tofacitinib. Clin Exp Rheumatol. 34 (2), 318-328 (2016).
  55. Yang, Y. J., et al. Tubson-2 decoction in rheumatoid arthritis. Phytomedicine. 116, 154875(2023).
  56. Mao, D., et al. HDAC2 in rheumatoid arthritis progression. Environ Toxicol. 38 (7), 1743-1755 (2023).
  57. Kurowska-Stolarska, M., Alivernini, S. Synovial macrophages in rheumatoid arthritis. Nat Rev Rheumatol. 18 (7), 384-397 (2022).
  58. Day, J., et al. Periarticular myositis in inflammatory arthritis. JCI Insight. 10 (7), e179928(2025).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

Bibliometrische analysemyositisTNF signaleringJAK STAT routeIL 17 routeeiwitinteractienetwerkgenexpressie

Gerelateerde artikelen