MétaCan
Menu
Retour à la cohorte
Enregistrement W3025517603 · doi:10.3389/fendo.2020.00267

The Immune Landscape of Visceral Adipose Tissue During Obesity and Aging

2020· review· en· W3025517603 sur OpenAlexafffund
Saad Khan, Yi Tao Chan, Xavier S. Revelo, Daniel A. Winer

Notice bibliographique

RevueFrontiers in Endocrinology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensToronto General HospitalUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesCanadian Liver FoundationCanadian Institutes of Health ResearchNational Institute of Diabetes and Digestive and Kidney DiseasesBanting and Best Diabetes Centre, University of TorontoNovo NordiskNIH Clinical CenterNational Institutes of Health
Mots-clésObesityAdipose tissueImmune systemInsulin resistanceMedicineInflammationDiseaseDiabetes mellitusDysfunctional familyPhenotypeBioinformaticsImmunologyInternal medicineEndocrinologyBiologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Obesity and aging represent major health burdens to the global adult population. Both conditions promote the development of associated metabolic diseases such as insulin resistance. The visceral adipose tissue (VAT) is a site that becomes dysfunctional during obesity and aging, and plays a significant role during their pathophysiology. The changes in obese and aging VAT are now recognized to be partly driven by a chronic local inflammatory state, characterized by immune cells that typically adopt an inflammatory phenotype during metabolic disease. Here, we summarize the current knowledge on the immune cell landscape of the VAT during lean, obese, and aged conditions, highlighting their similarities and differences. We also briefly discuss possible linked mechanisms that fuel obesity- and age-associated VAT dysfunction.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,853

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,012
Tête enseignante GPT0,279
Écart entre enseignants0,267 · 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'étudeSans objet
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

Citations118
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

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