MétaCan
Menu
Retour à la cohorte
Enregistrement W1797942609 · doi:10.1002/biof.1138

Alterations in human muscle protein metabolism with aging: Protein and exercise as countermeasures to offset sarcopenia

2013· review· en· W1797942609 sur OpenAlexaff
Tyler A. Churchward‐Venne, Leigh Breen, Stuart M. Phillips

Notice bibliographique

RevueBioFactors · 2013
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSarcopeniaAnabolismSkeletal muscleInternal medicineEndocrinologyInsulin resistanceBiologyMedicineInsulin

Résumé

récupéré en direct d'OpenAlex

Aging is associated with a reduction in skeletal muscle mass-sarcopenia-the etiology of which is multifactorial. One mechanism is that aging has, as one of its hallmarks, a reduced sensitivity of skeletal muscle to the normally potent anabolic effects of protein feeding and resistance exercise, and to the anticatabolic effects of insulin, the combination of which has been termed "anabolic resistance." However, this reduced sensitivity of skeletal muscle to anabolic stimuli may, in some cases, be overcome by providing a greater quantity of the nutrition and/or exercise stimulus. Daily habitual physical activity appears to be a primary determinant of anabolic resistance as we have recently shown that as little as 14 days of reduced ambulatory activity was sufficient to induce anabolic resistance in the elderly by attenuating the postprandial increase in muscle protein synthesis (MPS). The etiology of anabolic resistance is complex and may include alterations in amino acid uptake/utilization, cell signaling status, muscle blood flow, and microvascular perfusion (impacting amino acid delivery and availability). Further, there appears to be sexual dimorphism with advancing age in the response of MPS to amino acid/insulin provision. Maintenance of physical activity during aging is of fundamental importance for skeletal muscle to allow it to appropriately respond to the anabolic effects of nutrition.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,026
Tête enseignante GPT0,298
Écart entre enseignants0,272 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations118
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioFactorsMême sujetMuscle metabolism and nutritionTravaux en français237 207