Peripheral Adrenoceptors: The Impetus Behind Glucose Dysregulation and Insulin Resistance
Notice bibliographique
Résumé
It is now accepted that several pharmacological drug treatments trigger clinical manifestations of glucose dysregulation, such as hyperglycaemia, glucose intolerance and insulin resistance, in part through poorly understood mechanisms. Persistent sympathoadrenal activation is linked to glucose dysregulation and insulin resistance, both of which significantly increase the risk of emergent endocrinological disorders, including metabolic syndrome and type 2 diabetes mellitus. Through the use of targeted mutagenesis and pharmacological methods, preclinical and clinical research has confirmed physiological glucoregulatory roles for several peripheral α- and β-adrenoceptor subtypes. Adrenoceptor isoforms in the pancreas (α(2A) and β(2) ), skeletal muscle (α(1A) and β(2) ), liver (α(1A & B) and β(2) ) and adipose tissue (α(1A) and β(1 & 3) ) are convincing aetiological targets that account for both immediate and long-lasting alterations in blood glucose homeostasis. Because significant overlap exists between the therapeutic applications of numerous classes of drugs and their associated adverse side-effects, a better understanding of peripheral adrenoceptor-mediated glucose metabolism is thus warranted. Therefore, at the same time as providing a brief review of glucose homeostasis in the periphery, the present review addresses both functional and pathophysiological roles of the mammalian α(1) , α(2) , and β-adrenoceptor isoforms in whole-body glucose turnover. We highlight evidence relating to the clinical use of common adrenergic drugs and their impacts on glucose metabolism.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».