Weight Loss, Saline Loading, and the Natriuretic Peptide System
Notice bibliographique
Résumé
BACKGROUND: In epidemiologic studies, obesity has been associated with reduced natriuretic peptide (NP) concentrations. Reduced NP production could impair the ability of obese individuals to respond to salt loads, increasing the risk of hypertension and other disorders. We hypothesized that weight loss enhances NP production before and after salt loading. METHODS AND RESULTS: We enrolled 15 obese individuals (mean BMI 45±5.4 kg/m(2)) undergoing gastric bypass surgery. Before and 6 months after surgery, subjects were admitted to the clinical research center and administered a large-volume intravenous saline challenge. Echocardiography and serial blood sampling were performed. From the pre-operative visit to 6 months after surgery, subjects had a mean BMI decrease of 27%. At the 6-month visit, N-terminal pro-atrial NP (Nt-proANP) levels were 40% higher before, during, and after the saline infusion, compared with levels measured at the same time points during the pre-operative visit (P<0.001). The rise in Nt-pro-ANP induced by the saline infusion (≈50%) was similar both before and after surgery (saline, P<0.001; interaction, P=0.2). Similar results were obtained for BNP and Nt-proBNP; resting concentrations increased by 50% and 31%, respectively, after gastric bypass surgery. The increase in NP concentrations after surgery was accompanied by significant decreases in mean arterial pressure (P=0.004) and heart rate (P<0.001), and an increase in mitral annular diastolic velocity (P=0.02). CONCLUSION: In obese individuals, weight loss is associated with a substantial increase in the "setpoint" of circulating NP concentrations. Higher NP concentrations could contribute to an enhanced ability to handle salt loads after weight loss.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».