The influences of hyperprolactinemia and obesity on cardiovascular risk markers: effects of cabergoline therapy
Notice bibliographique
Résumé
OBJECTIVE: In view of the association of hyperprolactinaemia with insulin resistance, we hypothesized that patients with hyperprolactinaemia may present increased cardiovascular risk markers. DESIGN: Descriptive clinical trial. METHODS: Serum glucose, insulin, insulin resistance, lipids, high sensitivity C-reactive protein (hsCRP), interleukin (IL)-6, tumour necrosis factor (TNF)-alpha and soluble E-selectin (sELAM-1) serum levels were determined in 15 patients with hyperprolactinaemia at baseline (compared with 20 healthy subjects) and after 12 weeks of cabergoline therapy (0.5-1 mg twice per week). We also measured mononuclear cell NF-kappaB activation and TNF-alpha production in a subset of subjects. RESULTS: Serum levels of prolactin (PRL), insulin, insulin resistance (HOMA-IR) index and hsCRP were significantly higher in patients than in control subjects. Markers of mononuclear cell activation did not differ between the groups. Hyperprolactinaemia, BMI and age were predictors of hsCRP. BMI was the only predictor of HOMA-IR. Cabergoline therapy significantly reduced serum PRL, insulin, hsCRP and sELAM-1 levels. CONCLUSIONS: These data suggest that hyperprolactinaemia is associated with insulin resistance related to increased BMI and low-grade inflammation independently of BMI. Short-term cabergoline therapy can reduce the inflammatory markers.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».