MétaCan
Menu
Retour à la cohorte
Enregistrement W2134001501 · doi:10.2337/db07-0439

Meal Fatty Acid Uptake in Visceral Fat in Women

2007· article· en· W2134001501 sur OpenAlexaff
Susanne B. Votruba, Rebecca S. Mattison, Daniel A. Dumesic, Christina Koutsari, Michael D. Jensen

Notice bibliographique

RevueDiabetes · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensInstitute of Nutrition, Metabolism and Diabetes
Organismes subventionnairesDeutsches Krebsforschungszentrum
Mots-clésAdipose tissueMealEndocrinologyInternal medicineFatty acidChemistryBiologyMedicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Differential meal fat uptake into adipose tissue depots may be a determinant of body fat distribution. RESEARCH DESIGN AND METHODS: We used the meal fat tracer/adipose tissue biopsy approach to compare the effects of meal fat content on the fat uptake into visceral and upper and lower body subcutaneous fat depots in 21 premenopausal women. [(3)H]triolein was used to trace the fate of fatty acids from a normal-fat or high-fat meal. RESULTS: The proportion of dietary fat uptake into the three depots did not differ between meals; visceral fat accounted for only approximately 5% of meal fat disposal irrespective of visceral fat mass. For the women consuming the normal-fat meal, the uptake of meal fatty acid into femoral fat (milligrams meal fat per gram lipid) increased as a function of leg fat mass (r = 0.68, P < 0.05), which we interpret as increased efficiency of uptake. The opposite pattern was seen in omental fat with the normal-fat meal and in all depots after the high-fat meal. For both meals, approximately 40% of meal fat was oxidized ((3)H(2)O production) after 24 h. CONCLUSIONS: We conclude that greater thigh adipose tissue in women is associated with greater efficiency of meal fat storage under conditions of energy balance, whereas the opposite is seen with visceral fat. These findings imply that different mechanisms may regulate fatty acid uptake in different depots, which may in turn impact on body fat distribution.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,690
Score d'incertitude au seuil0,833

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,011
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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'étudeObservationnel
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

Citations71
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes, Cardiovascular Risks, and LipoproteinsTravaux en français237 207