Restoring ATBF: Dreaming the impossible dream?
Notice bibliographique
Résumé
Dear Sir: Knowledge of the longterm effect of weight loss on adipose tissue blood flow (ATBF) is scarce. We read with great interest the paper by Rossi et al. [3], reporting the results of a study using laser-Doppler flowmetry (LDF), where baseline thigh ATBF was lower in morbidly obese subjects compared to ageand sex-matched controls (4.8 vs. 79.9 perfusion units /PU). These results confirm several previous studies [4]. After one-year follow-up subsequent to Roux-en Y gastric bypass (RYGB) in obese patients, they observed a meaningful weight loss (−40 kg, e.g.−28%). This weight loss was associated with a slight but nevertheless significant increase in ATBF (up to 10.0 PU) although patients remained obese. The main limitations of the Rossi et al. study are linked to the inherent drawbacks of the LDF method, relating mainly to calibration, multiple Doppler shifts, tissue optical properties, motion artefacts, biological zero and impossibility to express the results in absolute values [2]. The gold-standard for ATBF measurement is the 133 xenon wash-out method, which should be combined with LDF in order to validate data obtained therewith [1]. Anemia, a frequent complication of RYGB, and antihypertensive drugs, which may influence adipose tissue perfusion [4], could also interfere with LDF measurements. However, no indication relating to these specific issues was provided in the paper. Additionally, the chosen site of measurement stands out as another scientific issue, because subcutaneous adipose tissue in the thigh is known to be much less active than in abdomen [4]. Rossi et al.’s conclusion to the effect that the slight increase in ATBF, observed one year after RYGB, is rather negligible, is sustained by another study [5] reporting on ATBF following a very low-calorie diet
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».