Defining anabolic resistance: implications for delivery of clinical care nutrition
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Skeletal muscle mass with aging, during critical care, and following critical care is a determinant of quality of life and survival. In this review, we discuss the mechanisms that underpin skeletal muscle atrophy and recommendations to offset skeletal muscle atrophy with aging and during, as well as following, critical care. RECENT FINDINGS: Anabolic resistance is responsible, in part, for skeletal muscle atrophy with aging, muscle disuse, and during disease states. Anabolic resistance describes the reduced stimulation of muscle protein synthesis to a given dose of protein/amino acids and contributes to declines in skeletal muscle mass. Physical inactivity induces: anabolic resistance (that is likely exacerbated with aging), insulin resistance, systemic inflammation, decreased satellite cell content, and decreased capillary density. Critical illness results in rapid skeletal muscle atrophy that is a result of both anabolic resistance and enhanced skeletal muscle breakdown. SUMMARY: Insofar as atrophic loss of skeletal muscle mass is concerned, anabolic resistance is a principal determinant of age-induced losses and appears to be a contributor to critical illness-induced skeletal muscle atrophy. Older individuals should perform exercise using both heavy and light loads three times per week, ingest at least 1.2 g of protein/kg/day, evenly distribute their meals into protein boluses of 0.40 g/kg, and consume protein within 2 h of retiring for sleep. During critical care, early, frequent, and multimodal physical therapies in combination with early, enteral, hypocaloric energy (∼10-15 kcal/kg/day), and high-protein (>1.2 g/kg/day) provision is recommended.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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) | 0,000 | 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 ».