Exercise training can attenuate preeclampsia-like features in an animal model
Notice bibliographique
Résumé
OBJECTIVE: Exercise training benefits have been widely investigated and used as alternative treatment for different pathological conditions. Since preeclampsia is a severe pregnancy-associated disease for which no treatment is available, our aim was to investigate the protective role of exercise training on pregnancy outcome using a mouse model of the disease. METHODS: We used transgenic female mice overexpressing human angiotensinogen, which develop preeclampsia when mated with human renin-overexpressing males. Females were placed in exercise cages 4 weeks prior to mating, and remained in these throughout gestation. Blood pressure was measured by telemetry, and proteinuria was quantified by ELISA. Placentas were assessed by histology and immunohistochemistry, whereas vascular endothelial growth factor was measured by real-time PCR and immunoblot. Endothelial function was assessed in isolated mesenteric arteries. RESULTS: Conversely to sedentary transgenic females (131.20 ± 4.08 mmHg), trained dam's mean arterial pressure was no longer different from normal mice at the end of gestation (117.5 ± 10.6 vs. 112.3 ± 5.5 mmHg). Proteinuria observed in transgenic dams (3.364 ± 1.62 μg/mg) was absent in trained mice (0.894 ± 0.43 μg/mg). Placental disease and cardiac hypertrophy were also normalized, whereas vascular reactivity was significantly ameliorated. Furthermore, placental vascular endothelial growth factor was normalized in trained transgenic mice. CONCLUSIONS: To our knowledge, we are the first to clearly demonstrate that exercise training both before and during gestation can reduce preeclampsia features in a mouse model. Consequently, women at risk for this disease could benefit from exercise training to protect themselves and their future fetuses.
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) | 0,001 | 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 ».