MétaCan
Menu
Retour à la cohorte
Enregistrement W2078887582 · doi:10.1055/s-2000-8524

How pioglitazone affects glucose and lipid metabolism

2000· article· en· W2078887582 sur OpenAlexaff
Meng H. Tan

Notice bibliographique

RevueExperimental and Clinical Endocrinology & Diabetes · 2000
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePeroxisome Proliferator-Activated Receptors
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPioglitazoneLipid metabolismCarbohydrate metabolismMetabolismEndocrinologyInternal medicineMedicineChemistryDiabetes mellitusType 2 diabetes

Résumé

récupéré en direct d'OpenAlex

The two primary perturbations resulting in hyperglycaemia in type 2 diabetes are insulin resistance and insulin deficiency. Insulin resistance occurs in peripheral organs (muscle and fat) leading to decreased glucose uptake and utilisation and in liver leading to increased hepatic glucose production. Thiazolidinediones, synthetic ligands for peroxisome proliferator-activated receptor gamma (PPARγ) can modulate the expression of genes influencing carbohydrate and lipid metabolism. Pioglitazone, a recently introduced thiazolidinedione, improves glycaemic control and lipid profiles in people with type 2 diabetes. Some of the possible mechanisms of improving glycaemic control include increases in glucose transporters 1 and 4, enhancement of insulin signalling, decrease in tumour necrosis factor-α, reduction of plasma free fatty acid, and decrease in phosphoenolpyruvate carboxykinase. Together, these can increase glucose uptake and utilisation in the peripheral organs and decrease gluconeogenesis in the liver. Possible mechanisms resulting in more desirable lipid profiles include an increase in phosphodiesterase 3B, resulting in reduced intracellular lipolysis in adipocytes, and an increase in lipoprotein lipase resulting in enhanced clearance of triglyceride-rich lipoproteins. In brief, pioglitazone reduces hepatic and peripheral insulin resistance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,925

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,274
Écart entre enseignants0,264 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExperimental and Clinical Endocrinology & DiabetesMême sujetPeroxisome Proliferator-Activated ReceptorsTravaux en français237 207