Metabolic Control of Muscle Blood Flow During Exercise in Humans
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
During muscle contraction, several mechanisms regulate blood flow to ensure a close coupling between muscle oxygen delivery and metabolic demand. No single factor has been identified to constitute the primary metabolic regulator, yet there are signal transduction pathways between skeletal muscle and the vasculature that induce vasodilation. A link between muscle metabolic events and microvascular control of blood flow is illustrated by local dilation of terminal arterioles during contraction of muscle fibers and conduction of vasodilation upstream. Endothelial-derived vasodilator mechanisms are known to exert control of muscle vasodilation. Adenosine, nitric oxide (NO), prostacyclin (PGI2), and endothelial-derived hyperpolarization factor (EDHF) are possible mediators of muscle vasodilation during exercise. In humans, adenosine has been shown to contribute to functional hyperemia as blood flow is reduced under nonselective adenosine-receptor blockade. No clear role has been demonstrated for either NO or PGI2(2), based on studies employing selective inhibition of these substances individually, suggesting a redundancy of vasodilator mechanisms. This is supported by recent work demonstrating that combined blockade of NOS and PGI2, and NOS and cytochrome P450, both attenuate exercise-induced hyperemia in humans. Combined vasodilator blockade studies offer the potential to uncover important interactions and compensatory vasodilator responses. The signaling pathways that link metabolic events evoked by muscle contraction to vasodilatory signals in the local vascular bed remains an important area of study.
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.
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) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 découle