MétaCan
Menu
Retour à la cohorte
Enregistrement W1964743490 · doi:10.1097/00075197-200011000-00013

Potential benefits of creatine monohydrate supplementation in the elderly

2000· review· en· W1964743490 sur OpenAlexafffund
Mark A. Tarnopolsky

Notice bibliographique

RevueCurrent Opinion in Clinical Nutrition & Metabolic Care · 2000
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensMcMaster University Medical Centre
Organismes subventionnairesHamilton Health Sciences
Mots-clésCreatinePhosphocreatineCreatine MonohydrateAmyotrophic lateral sclerosisMedicineInternal medicineEndocrinologyNeuroprotectionSkeletal muscleAtrophyMuscle atrophySarcopeniaDiseaseEnergy metabolismPathologyPlacebo

Résumé

récupéré en direct d'OpenAlex

Creatine plays a role in cellular energy metabolism and potentially has a role in protein metabolism. Creatine monohydrate supplementation has been shown to result in an increase in skeletal muscle total and phosphocreatine concentration, increase fat-free mass, and enhance high-intensity exercise performance in young healthy men and women. Recent evidence has also demonstrated a neuroprotective effect of creatine monohydrate supplementation in animal models of Parkinson's disease, Alzheimer's disease, amyotrophic lateral sclerosis, and after ischemia. A low total and phosphocreatine concentration has been reported in human skeletal muscle from aged individuals and those with neuromuscular disorders. A few studies of creatine monohydrate supplementation in the elderly have not shown convincing evidence of a beneficial effect with respect to muscle mass and/or function. Future studies will be required to address the potential for creatine monohydrate supplementation to attenuate age-related muscle atrophy and strength loss, as well as to protect against age-dependent neurodegenerative disorders such as Parkinson's disease and Alzheimer's disease.

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 seuil0,009

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,089
Tête enseignante GPT0,434
Écart entre enseignants0,346 · 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

Citations64
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Clinical Nutrition & Metabolic CareMême sujetMuscle metabolism and nutritionTravaux en français237 207