Ileal Transposition in Rats Reduces Energy Intake, Body Weight, and Body Fat Most Efficaciously When Ingesting a High-Protein Diet
Notice bibliographique
Résumé
PURPOSE: Ileal transposition (IT) allows exploration of hindgut effects of bariatric procedures in inducing weight loss and reducing adiposity. Here we investigated the role of dietary macronutrient content on IT effects in rats. METHODS: Male Lewis rats consuming one of three isocaloric liquid diets enriched with fat (HF), carbohydrates (HC), or protein (HP) underwent IT or sham surgery. Body weight, energy intake, energy efficiency, body composition, and (meal-induced) changes in plasma GIP, GLP-1, PYY, neurotensin, and insulin levels were measured. RESULTS: Following IT, HC intake remained highest leading to smallest weight loss among dietary groups. IT in HF rats caused high initial weight loss and profound hypophagia, but the rats caught up later, and finally had the highest body fat content among IT rats. HP diet most efficaciously supported IT-induced reduction in body weight and adiposity, but (as opposed to other diet groups) lean mass was also reduced. Energy efficiency decreased immediately after IT irrespective of diet, but normalized later. Energy intake alone explained variation in post-operative weight change by 80%. GLP-1, neurotensin, and PYY were upregulated by IT, particularly during (0-60 min) and following 17-h post-ingestive intake, with marginal diet effects. Thirty-day post-operative cumulative energy intake was negatively correlated to 17-h post-ingestive PYY levels, explaining 47% of its variation. CONCLUSION: Reduction in energy intake underlies IT-induced weight loss, with highest efficacy of the HP diet. PYY, GLP-1, and neurotensin levels are upregulated by IT, of which PYY may be most specifically related to reduced intake and weight loss after IT.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».