Growth hormone-induced insulin resistance is associated with increased intramyocellular triglyceride content but unaltered VLDL-triglyceride kinetics
Notice bibliographique
Résumé
The ability of growth hormone (GH) to stimulate lipolysis and cause insulin resistance in skeletal muscle may be causally linked, but the mechanisms remain obscure. We investigated the impact of GH on the turnover of FFA and VLDL-TG, intramuscular triglyceride content (IMTG), and insulin sensitivity (euglycemic clamp) in nine healthy men in a randomized double-blind placebo-controlled crossover study after 8 days treatment with (A) Placebo+Placebo, (B) GH (2 mg daily)+Placebo, and (C) GH (2 mg daily)+Acipimox (250 mgx3 daily). In the basal state, GH (B) increased FFA levels (P<0.05), palmitate turnover (P<0.05), and lipid oxidation (P=0.05), but VLDL-TG kinetics were unaffected. Administration of acipimox (C) suppressed basal lipolysis but did not influence VLDL-TG kinetics. In the basal state, IMTG content increased after GH (B; P=0.03). Insulin resistance was induced by GH irrespective of concomitant acipimox (P<0.001). The turnover of FFA and VLDL-TG was suppressed by hyperinsulinemia during placebo and GH, whereas coadministration of acipimox induced a rebound increase FFA turnover and VLDL-TG clearance. We conclude that these results show that GH-induced insulin resistance is associated with increased IMTG and unaltered VLDL-TG kinetics; we hypothesize that fat oxidation in muscle tissue is an important primary effect of GH and that circulating FFA rather than VLDL-TG constitute the major source for this process; and the role of IMTG in the development of GH-induced insulin resistance merits future research.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».