MétaCan
Menu
Retour à la cohorte
Enregistrement W3042038107 · doi:10.3390/cells9071658

Identifying the Structural Adaptations that Drive the Mechanical Load-Induced Growth of Skeletal Muscle: A Scoping Review

2020· review· en· W3042038107 sur OpenAlexaff
Kent W. Jorgenson, Stuart M. Phillips, Troy A. Hornberger

Notice bibliographique

RevueCells · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensMcMaster University
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institute of General Medical SciencesNational Institutes of Health
Mots-clésMyofibrilMuscle hypertrophyMyocyteSkeletal muscleMechanical loadUltrastructureCell biologySarcomereSarcopeniaAnatomyBiologyChemistryBiophysicsMaterials scienceEndocrinologyComposite material

Résumé

récupéré en direct d'OpenAlex

The maintenance of skeletal muscle mass plays a critical role in health and quality of life. One of the most potent regulators of skeletal muscle mass is mechanical loading, and numerous studies have led to a reasonably clear understanding of the macroscopic and microscopic changes that occur when the mechanical environment is altered. For instance, an increase in mechanical loading induces a growth response that is mediated, at least in part, by an increase in the cross-sectional area of the myofibers (i.e., myofiber hypertrophy). However, very little is known about the ultrastructural adaptations that drive this response. Even the most basic questions, such as whether mechanical load-induced myofiber hypertrophy is mediated by an increase in the size of the pre-existing myofibrils and/or an increase in the number myofibrils, have not been resolved. In this review, we thoroughly summarize what is currently known about the macroscopic, microscopic and ultrastructural changes that drive mechanical load-induced growth and highlight the critical gaps in knowledge that need to be filled.

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)0,003
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,058
Tête enseignante GPT0,339
Écart entre enseignants0,281 · 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

Citations156
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCellsMême sujetMuscle Physiology and DisordersTravaux en français237 207