MétaCan
Menu
Retour à la cohorte
Enregistrement W3043601911 · doi:10.1111/obr.13090

The effects of physical activity on adipokines in individuals with overweight/obesity across the lifespan: A narrative review

2020· review· en· W3043601911 sur OpenAlexaff
Ayoub Saeidi, Marjan Mosalman Haghighi, Sarkawt Kolahdouzi, Ali Daraei, Abderraouf Ben Abderrahman, M. Faadiel Essop, Ismail Laher, Anthony C. Hackney, Hassane Zouhal

Notice bibliographique

RevueObesity Reviews · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAdipokineMedicineAdiponectinOverweightObesityInternal medicineConfoundingLeptinEndocrinologyInsulin resistancePhysical therapy

Résumé

récupéré en direct d'OpenAlex

This narrative review summarizes current knowledge on the effects of physical activity (PA) on adipokine levels in individuals with overweight and obesity. Approximately 90 investigations including randomized control, cross-sectional and longitudinal studies that reported on the effects of a single session of PA (acute) or long-term PA (chronic) on adipokine levels in individuals with overweight/obesity were reviewed. The findings support the notion that there is consensus on the benefits of chronic exercise training-regardless of the mode (resistance vs. aerobic), intensity and cohort (healthy vs. diabetes)-on adipokine levels (such as tumour necrosis factor-alpha, interleukin-6, adiponectin, visfatin, omentin-1 and leptin). However, several confounding factors (frequency, intensity, time and type of exercise) can alter the magnitude of the effects of an acute exercise session. Available evidence suggests that PA, as a part of routine lifestyle behaviour, improves obesity complications by modulating adipokine levels. However, additional research is needed to help identify the most effective interventions to elicit the most beneficial changes in adipokine levels in individuals with overweight/obesity.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

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
Bibliométrie0,0040,004
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)0,0040,001

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 Opus0,025
Tête enseignante GPT0,344
Écart entre enseignants0,319 · 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'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

Citations44
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueObesity ReviewsMême sujetAdipokines, Inflammation, and Metabolic DiseasesTravaux en français237 207