Moderate Weight Loss Improves Body Composition and Metabolic Function in Metabolically Unhealthy Lean Subjects
Notice bibliographique
Résumé
Objective Individuals who have “metabolically obese normal weight” (MONW) have an increased risk for cardiometabolic disease. Moderate weight loss has multiple benefits in people with obesity, but its effects in lean people are unknown. Thus, the effects of diet‐induced 5% weight loss on body composition and metabolic function in MONW subjects were evaluated. Methods Total body fat, visceral adipose tissue (VAT) and subcutaneous abdominal adipose tissue (SAT) volumes, intrahepatic and intramyocellular lipid contents, insulin sensitivity (hyperinsulinemic‐euglycemic clamp), glucose tolerance, and postprandial insulin secretion and clearance rates (mixed meal with minimal modeling) were measured before and after 4.8% ± 0.5% weight loss in 11 MONW Asians (48 ± 3 years old, six men and five women, BMI 22.7 ± 0.4 kg/m 2 ). Results Weight loss decreased total fat mass by ∼9%, VAT and SAT volumes by ∼11% and ∼17%, respectively, and intrahepatic fat by ∼50% (all P < 0.05). Fasting plasma insulin, triglyceride, and total low‐ and high‐density lipoprotein cholesterol concentrations were also reduced ( P < 0.05). Insulin sensitivity indexes (M‐value and M/I ratio) increased by 21% to 26% (both P < 0.05); β‐cell responsivity and postprandial insulin secretion rate did not change, but insulin clearance rate increased by 16% ( P < 0.05). Conclusions Diet‐induced moderate weight loss improves body composition, lipid profile, and insulin sensitivity and thereby reduces cardiometabolic risk in MONW Asians.
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) | 0,001 | 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 ».