MétaCan
Menu
Retour à la cohorte
Enregistrement W2558635730 · doi:10.1152/japplphysiol.00328.2016

Effect of aging and exercise on the tendon

2016· review· en· W2558635730 sur OpenAlexfundno aff
René B. Svensson, Katja M. Heinemeier, Christian Couppé, Michael Kjær, S. Peter Magnusson

Notice bibliographique

RevueJournal of Applied Physiology · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueTendon Structure and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesNovo Nordisk FondenNatural Sciences and Engineering Research Council of CanadaLundbeckfondenGovernment of Canada
Mots-clésTendonAgeingMuscle hypertrophyGlycationSenescenceChemistryMedicineAnatomyCell biologyBiologyEndocrinologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Here, we review the literature on how tendons respond and adapt to ageing and exercise. With respect to aging, there are considerable changes early in life, but this seems to be maturation rather than aging per se. In vitro data indicate that aging is associated with a decreased potential for cell proliferation and a reduction in the number of stem/progenitor-like cells. Further, there is persuasive evidence that turnover in the core of the tendon after maturity is very slow or absent. Tendon fibril diameter, collagen content, and whole tendon size appear to be largely unchanged with aging, while glycation-derived cross-links increase substantially. Mechanically, aging appears to be associated with a reduction in modulus and strength. With respect to exercise, tendon cells respond by producing growth factors, and there is some support for a loading-induced increase in tendon collagen synthesis in humans, which likely reflects synthesis at the very periphery of the tendon rather than the core. Average collagen fibril diameter is largely unaffected by exercise, while there can be some hypertrophy of the whole tendon. In addition, it seems that resistance training can yield increased stiffness and modulus of the tendon and may reduce the amount of glycation. Exercise thereby tends to counteract the effects of aging.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,015
Tête enseignante GPT0,317
Écart entre enseignants0,303 · 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

Citations248
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysiologyMême sujetTendon Structure and TreatmentTravaux en français237 207