MétaCan
Menu
Retour à la cohorte
Enregistrement W2878948425 · doi:10.1055/a-0637-1975

Correlation Between Resistin Level and Metabolic Syndrome Component: A Review

2018· review· en· W2878948425 sur OpenAlexaff
Mostafa Mostafazadeh, Sanya Haiaty, Ali Rastqar, Mahtab Keshvari

Notice bibliographique

RevueHormone and Metabolic Research · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensUniversité LavalCentre hospitalier de l'Université Laval
Organismes subventionnairesnon disponible
Mots-clésResistinMetabolic syndromeMedicinePathologicalAnimal studiesMeta-analysisInternal medicineDiseaseCorrelationObesityEndocrinologyInsulin resistanceAdipokineMathematics

Résumé

récupéré en direct d'OpenAlex

Metabolic syndrome (MetS) has a collection of some abnormal and pathological conditions that cause many critical diseases. Resistin is one of the possible candidates for these pathologies but there are not enough data to prove if resistin has positive, neutral, or negative effects on one or some components of MetS. This review summarizes data about comparing the effects and contribution of resistin in initiation and progression of MetS components and also its different actions between human and other mammalians. This summarized data about the relationship of resistin and MetS components have been obtained from clinical researches and in some cases even animal studies. To find the relevant studies, the search in PubMed, Science Direct, and Scopus were performed. Human and animal studies on relationships between resistin and MetS (initiation and progression of components) were included in our search. In experiments reported among different human genetic groups as well as the patients with various disease such as diabetes, no significant correlation is shown between FBG and resistin level. Furthermore, this review shows that the results of correlation between resistin and TG, HDL, and central or abdominal obesity were inconsistent. These inconsistencies can arise from different sample size or genetic groups, gender, and also from experimental studies. Therefore, to obtain precise results systematic review and meta-analyses are required.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0080,008
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)0,0040,000

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 Opus0,182
Tête enseignante GPT0,414
Écart entre enseignants0,232 · 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'étudeRevue systématique
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

Citations69
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHormone and Metabolic ResearchMême sujetAdipokines, Inflammation, and Metabolic DiseasesTravaux en français237 207