MétaCan
Menu
Retour à la cohorte
Enregistrement W1982999222 · doi:10.1172/jci78371

Glucagon-like peptide-1 receptors in the brain: controlling food intake and body weight

2014· article· en· W1982999222 sur OpenAlexfundno aff
Laurie L. Baggio, Daniel J. Drucker

Notice bibliographique

RevueJournal of Clinical Investigation · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesBanting and Best Diabetes Centre, University of TorontoNovo Nordisk
Mots-clésEndocrinologyAgonistGlucagon-like peptide-1Internal medicineWeight lossReceptorGlucagonGlucagon-like peptide 1 receptorInsulinDiabetes mellitusChemistryGastric emptyingHormoneBiologyObesityMedicineType 2 diabetes

Résumé

récupéré en direct d'OpenAlex

The peptide hormone glucagon-like peptide-1 (GLP-1) enhances glucose-induced insulin secretion and inhibits both gastric emptying and glucagon secretion. GLP-1 receptor (GLP-1R) agonists control glycemia via glucose-dependent mechanisms of action and promote weight loss in obese and diabetic individuals. Nevertheless, the mechanisms and cellular targets transducing the weight loss effects remain unclear. Two recent studies in the JCI provide insight into the neurons responsible for this effect. Sisley et al. reveal that GLP-1R agonist-induced weight loss requires GLP-1Rs in the CNS, while Secher et al. reveal that a small peptide GLP-1R agonist penetrates the brain and activates a subset of GLP-1R-expressing neurons in the arcuate nucleus to produce weight loss. Together, these two studies elucidate pathways that inform strategies coupling GLP-1R signaling to control of body weight in patients with diabetes or obesity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil0,235

Scores Codex et Gemma par catégorie

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

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 Opus0,050
Tête enseignante GPT0,330
Écart entre enseignants0,280 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations234
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical InvestigationMême sujetDiabetes Treatment and ManagementTravaux en français237 207