MétaCan
Menu
Retour à la cohorte
Enregistrement W2121157109 · doi:10.5539/jfr.v3n6p36

The Role of Plasminogen Activator Inhibitor-1 in the Metabolic Syndrome and Its Regulation

2014· article· en· W2121157109 sur OpenAlexvenueno aff
Martha Phelan, David Kerins

Notice bibliographique

RevueJournal of Food Research · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFibrinolysisPlasminogen activator inhibitor-1EndocrinologyMetabolic syndromeInternal medicinePlasminogen activatorAdipose tissueTissue plasminogen activatorObesityMedicineDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

Obesity is a major risk factor for cardiovascular disease (CVD). Lipid abnormalities, hypertension, impaired glucose tolerance or diabetes, are cardiovascular risk factors that are frequently present in patients with obesity. Haemostatic and fibrinolytic disturbances are also considered to be important risk factors for CVD hence, a potential link between CVD, obesity and the metabolic syndrome arises. Regulation of the fibrinolytic system can occur at the level of plasminogen activators and plasminogen activator inhibitor-1 (PAI-1). PAI-1, a glycoprotein, is one of the most important inhibitors of fibrinolysis. Regulation of this serine protease inhibitor may have a beneficial effect on other conditions associated with the metabolic syndrome. Human adipose tissue is a source of PAI-1. PAI-1 production may in turn be controlled by a number of hormones and cytokines which are secreted by adipose tissue in addition to dietary factors. In this review we summarise the current knowledge regarding the role of altered fibrinolytic function in obesity, CVD and hence the metabolic syndrome. Regulatory factors including different dietary components, weight loss and dietary intervention will also be discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,320
Écart entre enseignants0,287 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetAdipokines, Inflammation, and Metabolic DiseasesTravaux en français237 207