Premarin has opposing effects on spatial learning, neural activiation and serum cytokine levels in middle age dependent on reproductive history
Notice bibliographique
Résumé
Abstract Menopause is associated with cognitive decline, and hormone therapies (HT) can improve cognition dependent on time since menopause. Previous parity also influences cognition in later life. The present study investigated how primiparity and long-term ovariectomy influence cognition, hippocampal neurogenesis, and neuronal activation in middle-aged rats in response to the HT, Premarin. Nulliparous and primiparous rats were sham-ovariectomized or ovariectomized, administered vehicle or Premarin six months later, and trained in the Morris water maze. Premarin improved spatial learning and memory in nulliparous rats, but impaired spatial and reversal learning in primiparous rats. Primiparity increased hippocampal neurogenesis, whereas Premarin treatment decreased immature neurons in both primiparous and nulliparous middle-aged rats in a region-specific manner. Moreover, Premarin increased serum TNFα and KC/GRO in nulliparous, but not primiparous, rats, whereas Premarin increased zif268 expression in the CA3 region of the hippocampus in primiparous rats. Thus, primiparity alters how Premarin affects spatial learning, neuronal activation, serum cytokines, and adrenal mass. These findings have implications for the tailored treatment of age-associated cognitive decline in women.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».