MétaCan
Menu
Retour à la cohorte
Enregistrement W1871654840 · doi:10.2337/db14-1488

Are Obesity-Related Insulin Resistance and Type 2 Diabetes Autoimmune Diseases?

2015· review· en· W1871654840 sur OpenAlexafffund
Sue Tsai, Xavier Clemente‐Casares, Xavier S. Revelo, Shawn Winer, Daniel A. Winer

Notice bibliographique

RevueDiabetes · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésInsulin resistanceType 2 diabetesDiabetes mellitusMedicineImmunologyObesityAdipose tissueImmune systemPopulationInflammationType 1 diabetesDiseaseEndocrinologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Obesity and associated insulin resistance predispose individuals to develop chronic metabolic diseases, such as type 2 diabetes and cardiovascular disease. Although these disorders affect a significant proportion of the global population, the underlying mechanisms of disease remain poorly understood. The discovery of elevated tumor necrosis factor-α in adipose tissue as an inducer of obesity-associated insulin resistance marked a new era of understanding that a subclinical inflammatory process underlies the insulin resistance and metabolic dysfunction that precedes type 2 diabetes. Advances in the field identified components of both the innate and adaptive immune response as key players in regulating such inflammatory processes. As antigen specificity is a hallmark of an adaptive immune response, its role in modulating the chronic inflammation that accompanies obesity and type 2 diabetes begs the question of whether insulin resistance and type 2 diabetes can have autoimmune components. In this Perspective, we summarize current data that pertain to the activation and perpetuation of adaptive immune responses during obesity and discuss key missing links and potential mechanisms for obesity-related insulin resistance and type 2 diabetes to be considered as potential autoimmune diseases.

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 enseignants0,003
Score d'incertitude au seuil0,012

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
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,023
Tête enseignante GPT0,285
Écart entre enseignants0,262 · 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

Citations104
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetAdipokines, Inflammation, and Metabolic DiseasesTravaux en français237 207