Insulin Sensitivity and Its Measurement: Structural Commonalities among the Methods<sup>1</sup>
Notice bibliographique
Résumé
Insulin is the principal hormone of metabolic regulation. Reduced responses to insulin constitute an underlying feature of type 2 diabetes. It is, therefore, incumbent on those who work in this area (as well as many others) to characterize this response, in as simple and consistent a way as possible, so that this measure can be used both in the investigational and clinical setting. This type of approach, although eminently useful, is necessarily an oversimplification. Not only does insulin sensitivity change in pathological situations, but also in normal physiology. Tissue-specific, metabolite-specific, as well as process-specific responses may be expected to occur. Variations also occur in time-depending on the physiological state of the individual (e.g. pregnancy, aging) or following diurnal rhythms. It is perhaps remarkable that any consistent assessment of overall insulin sensitivity can be made. The observation that this can often be achieved has led to hypotheses suggesting that sensitivity to insulin is primarily determined at a single site (tissue, metabolite). At the same time, there are many discussions about the inconsistencies inherent in different approaches to the measurement of this parameter, suggesting that some of these variants, metabolic or otherwise, could lead to the low correlation between methods sometimes seen. Nevertheless, most methods used in the assessment of insulin sensitivity examine the response to insulin of a single metabolite, glucose, primarily in the muscle and liver, and under fasting conditions and should, therefore, demonstrate insulin sensitivity that is comparable among methods.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».