Variation in C-reactive Protein Following Weight Loss in Obese Insulin Resistant Postmenopausal Women: is there an Independent Contribution of Lean Body Mass?
Notice bibliographique
Résumé
BACKGROUND: We showed that obese insulin resistant postmenopausal women are characterized by higher lean body mass and elevated C-reactive protein. Although counterintuitive, we hypothesized that losses in muscle mass following caloric restriction and increase in muscle quality will be associated with improvements in glucose homeostasis through decreases in C-reactive protein. OBJECTIVES: To determine 1) if improvements in C-reactive protein concentrations occurs through losses in lean body mass; and 2) if decreases in C-reactive protein levels contribute to improvements in insulin sensitivity. METHODS: 50 postmenopausal women (body mass index>26 kg/m(²)) with impaired glucose disposal (<7.5 mg/kg/min) completed a 6-month caloric restriction program. Outcome measures were: Glucose disposal rate: M value (by hyperinsulinemic-euglycemic clamp), body composition (total, trunk, and appendicluar). LBM and FM by DXA), LBM index (LBM (kg)/height (m(2)), body fat distribution (VAT and SAT by CT scan) and plasma high-sensitive C-reactive protein (hsCRP) and interleukin-6 (Il-6). RESULTS: Significant correlations were observed between Δ hsCRP levels with Δ Il-6 (r=0.33, p≤0.05), Δ total LBM index (r=0.44, p≤0.01), Δ trunk LBM (r=0.38, p≤0.01) Δ SAT (r=0.35, p≤0.05) and ∆ glucose disposal rate (r=- 0.44, p≤0.01). After including all the correlated variables in Stepwise linear regression model, Δ LBM index was the only independent predictor of the reduction in hsCRP levels (R(2)=0.20, p≤0.01). CONCLUSION: Losses in total lean body mass are independently associated with improvements in inflammatory state (CRP levels) in obese postmenopausal women with impaired glucose disposal.
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 | 0,000 |
| 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 ».