MétaCan
Menu
Retour à la cohorte
Enregistrement W2030628000 · doi:10.1123/pes.2013-0074

Application of Stable Isotope Tracers in the Study of Exercise Metabolism in Children: A Primer

2014· review· en· W2030628000 sur OpenAlexafffund
Anthony D. Mahon, Brian W. Timmons

Notice bibliographique

RevuePediatric Exercise Science · 2014
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensMcMaster University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCarbohydrate metabolismMetabolismIsotopeEnergy metabolismMedicineChemistryInternal medicinePhysics

Résumé

récupéré en direct d'OpenAlex

Exercise metabolism in children has traditionally been assessed using the respiratory exchange ratio (RER) to determine the contributions of fat and carbohydrate to the exercise energy demands. Although easily measured, RER measurements have limitations. Other methods to assess metabolism such as the obtainment of a muscle biopsy and the use of nuclear magnetic resonance spectroscopy carry ethical and feasibility concerns, respectively, which limit their use in studies involving children. Stable isotopes, used routinely in studies involving adults, can also be applied in studies involving children in an ethical and feasible manner. Two common stable isotopes used in metabolic studies involving children include carbon-13 (C) and nitrogen-15 (N). C-glucose can be used to study carbohydrate metabolism and N-glycine can be used to assess protein metabolism. This article reviews the use of C-glucose and N-glycine to study exercise metabolism in children, considers some of the associated ethical aspects, explains the general methodology involved in administering these isotopes and the resources required, and describes studies involving children utilizing these methods. Finally, suggestions for future research are provided to encourage further use of these techniques.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,002
Communication savante0,0010,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,011
Tête enseignante GPT0,286
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations8
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePediatric Exercise ScienceMême sujetMuscle metabolism and nutritionTravaux en français237 207