Control of LH secretory-burst frequency and interpulse-interval regularity in women
Notice bibliographique
Résumé
Hypothalamic neurons generate discrete bursts of gonadotropin-releasing hormone (GnRH) and thereby pulses of luteinizing hormone (LH) at randomly timed intervals centered on a probabilistic mean frequency. We tested the hypothesis that physiological mechanisms govern not only the number but also the stochastic dispersion of the GnRH/LH pulse-renewal process in humans; for example, in young women in the early (EF) and late (LF) follicular and midluteal (ML) phases of the menstrual cycle (n = 18) and in postmenopausal individuals (PM, n = 16). To this end, we quantify stochastic interpulse variability by way of the order-independent, two-parameter Weibull renewal process (Keenan DM and Veldhuis J. Am J Physiol Regul Integr Comp Physiol 281: R1917-R1924, 2001) and the sequence-specific, model-free approximate-entropy statistic (ApEn) (Pincus SM. Proc Natl Acad Sci USA 88: 2297-2301, 1991). Statistical testing unveiled 1) reduced probabilistic mean LH secretory-burst frequency (lower lambda of the Weibull distribution) in ML compared with each of EF, LF, and PM (P < 0.001); 2) quantifiably more regular LH interburst-interval sets (elevated gamma of the Weibull density) in PM than in each of EF, LF, and ML (P < 0.01); 3) uniquely prolonged latency to maximal LH secretion within individual secretory bursts in ML (P < 0.01); and 4) comparably mean random, sequential LH interburst-interval and mass values (normalized ApEn) among the distinct hormonal milieus. From these data, we postulate that sex steroids and age determine daily LH secretory-burst number, quantifiable pulse-renewal variability, and secretory-waveform evolution.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».