MétaCan
Menu
Retour à la cohorte
Enregistrement W1967170278 · doi:10.1160/th11-08-0527

Platelet activation in the pathogenesis of obesity and vascular disease

2011· letter· en· W1967170278 sur OpenAlexaff
Catherine P.M. Hayward

Notice bibliographique

RevueThrombosis and Haemostasis · 2011
Typeletter
Langueen
DomaineMedicine
ThématiqueAntiplatelet Therapy and Cardiovascular Diseases
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPathogenesisPlatelet activationMedicinePlateletInsulin resistanceInternal medicineDiabetes mellitusVascular diseaseThrombosisDiseaseObesityMetabolic syndromeEndocrinologyImmunology

Résumé

récupéré en direct d'OpenAlex

The pathogenesis of atherosclerotic disease is complex, and very topical, as clearly highlighted in a recent position paper of the European Society of Cardiology (ESC) Working Group on Atherosclerosis and Vascular Biology in this journal, which deals with atherosclerotic plaques and their ‘stabilisation’ per se (1). A number of associations have been observed between lipid abnormalities, markers of metabolic syndrome and platelet activation (1–5). In recent years, many studies have explored associations for platelet activation markers to gain insights on the pathogenesis of obesity and atherosclerotic disease (6–13). In this issue of Thrombosis and Haemo stasis, Csongradi et al. report on a large cross-sectional cohort study that explored relationships for platelet activation markers in obese subjects, including those with and without common co-morbidities for atherosclerotic disease (14). Key findings of their study were that platelet and plasma P-selectin levels, and the plasma levels of platelet microparticles, were associated with carotid intimal medial thickness and a variety of other vascular risk factors, including fasting plasma glucose, insulin levels and triglycerides (14). These observations imply that the extent of atherosclerotic disease, and the metabolic derangements associated with obesity and atherosclerotic disease, influence the generation of platelet microparticles. This possibility is supported by a recent study that showed weight loss-induced improvements in insulin resistance, among women with obesity, reduced markers of platelet activation (6). While association studies cannot determine causation, they are important to developing new hypotheses on the pathogenesis of atherosclerotic disease. Platelet microparticles have attracted much interest both experimentally and clinically (15–19). Indeed, given their significant procoagulant activity (18, 19), their elevation in pathogenic states could contribute to the progression of vascular disease and acute thrombotic events. Nonetheless, uncertainties remain about whether observed associations between elevated levels of platelet-derived microparticles with prothrombotic, metabolic and inflammatory parameters are correlative or causative, and how much platelet microparticle generation, and other aspects of platelet activation, contribute to the pathogenesis of atherosclerotic disease in obese individuals. The “independent” associations that Csongradi et al. found between platelet-derived microparticle levels with body mass index, and between soluble P-selectin and fibrinogen, and platelet P-selectin and both carotid intimal medial thickness and PAI-1 (14) provide further evidence that platelet activation is influenced by the complex metabolic and inflammatory parameters that participate in the pathogenesis of atherosclerotic disease. Despite these advances, uncertainties still remain about whether measuring platelet activation markers has a role in diagnostic or therapeutic decision making for obese and non-obese individuals who have or do not have evidence of atherosclerotic disease. This still remains an exciting and expanding field of research.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,272
Écart entre enseignants0,220 · 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
GenreCommentaire

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

En bref

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThrombosis and HaemostasisMême sujetAntiplatelet Therapy and Cardiovascular DiseasesTravaux en français237 207