MétaCan
Menu
Retour à la cohorte
Enregistrement W2995030404 · doi:10.3389/fendo.2019.00842

Examining the Potential of Developing and Implementing Use of Adiponectin-Targeted Therapeutics for Metabolic and Cardiovascular Diseases

2019· review· en· W2995030404 sur OpenAlexafffund
Ying Liu, Vivian Vu, Gary Sweeney

Notice bibliographique

RevueFrontiers in Endocrinology · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensYork University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAdiponectinInsulin resistanceMedicineMetabolic syndromeDiseaseDiabetes mellitusInsulinMechanism of actionBioinformaticsEndocrinologyInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Cardiometabolic diseases encompass those affecting the heart and vasculature as well as other metabolic problems, such as insulin resistance, diabetes, and non-alcoholic fatty liver disease. These diseases tend to have common risk factors, one of which is impaired adiponectin action. This may be due to reduced bioavailability of the hormone or resistance to its effects on target tissues. A strong negative correlation between adiponectin levels and cardiometabolic diseases has been well-documented and research shown that adiponectin has cardioprotective, insulin sensitizing and direct beneficial metabolic effects. Thus, therapeutic approaches to enhance adiponectin action are widely considered to be desirable. The complexity of adiponectin structure and function has so far made progress in this area less than ideal. In this article we will review the effects and mechanism of action of adiponectin on cardiometabolic tissues, identify scenarios where enhancing adiponectin action would be of clinical value and finally discuss approaches via which this can be achieved.

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)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil0,896

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,067
Tête enseignante GPT0,313
Écart entre enseignants0,246 · 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'étudeAutre devis
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

Citations70
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in EndocrinologyMême sujetAdipokines, Inflammation, and Metabolic DiseasesTravaux en français237 207