The interaction between adipokines, diet and exercise on muscle insulin sensitivity
Notice bibliographique
Résumé
PURPOSE OF REVIEW: High-fat diets lead to obesity and increase the risk of developing insulin resistance and type 2 diabetes. Adipose tissue and skeletal muscle act as endocrine organs, and produce various cytokines that can potentially alter peripheral insulin sensitivity. The purpose of the present review is to briefly summarize the effects of major cytokines (leptin, adiponectin, tumor necrosis factor-alpha, and interleukin-6) on muscle metabolism and insulin response, with a focus on the effects of diet and exercise. RECENT FINDINGS: Leptin and adiponectin improve insulin sensitivity. However, in obesity there is a diminished response to these adipokines. This resistance can be induced very rapidly and may lead to subsequent impairments in insulin response. Tumor necrosis factor-alpha is a proinflammatory cytokine that has been implicated as a mediator of insulin resistance, particularly in obesity. Interleukin-6 was the first identified myokine. There is evidence to implicate interleukin-6 both as a mediator of impaired insulin action in obesity, and also as a facilitator of increased fuel metabolism during exercise. The effect of each of these cytokines on muscle insulin sensitivity can be modulated by diet and exercise. SUMMARY: Much of the information summarized in the present review focuses on the effects of various cytokines in isolation, although in vivo there can be considerable interaction with each other. Future research should consider these potential interactions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,002 |
| 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 ».