MétaCan
Menu
Retour à la cohorte
Enregistrement W2732676223 · doi:10.3390/ijms18071451

Maternal Macronutrient Consumption and the Developmental Origins of Metabolic Disease in the Offspring

2017· review· en· W2732676223 sur OpenAlexafffund
Stephanie M. Kereliuk, Gabriel Brawerman, Vernon W. Dolinsky

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensUniversity of ManitobaChildren's Hospital Research Institute of Manitoba
Organismes subventionnairesManitoba Medical Service FoundationResearch Manitoba
Mots-clésOffspringDiseaseObesityPregnancyBiologyLactationPhysiologyMedicineEndocrinologyInternal medicineGenetics

Résumé

récupéré en direct d'OpenAlex

Recent research aimed at understanding the rise in obesity and cardiometabolic disease in children suggests that suboptimal maternal nutrition conditions organ systems and physiological responses in the offspring contributing to disease development. Understanding the mechanisms by which the macronutrient composition of the maternal diet during pregnancy or lactation affects health outcomes in the offspring may lead to new maternal nutrition recommendations, disease prevention strategies and therapies that reduce the increasing incidence of cardiometabolic disease in children. Recent mechanistic animal model research has identified how excess fats and sugars in the maternal diet alter offspring glucose tolerance, insulin signaling and metabolism. Maternal nutrition appears to influence epigenetic alterations in the offspring and the programming of gene expression in key metabolic pathways. This review is focused on experimental studies in animal models that have investigated mechanisms of how maternal consumption of macronutrients affects cardiometabolic disease development in the offspring. Future research using "-omic" technologies is essential to elucidate the mechanisms of how altered maternal macronutrient consumption influences the development of disease in the offspring.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,839
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,085
Tête enseignante GPT0,406
Écart entre enseignants0,322 · 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'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

Citations86
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetBirth, Development, and HealthTravaux en français237 207