← Retour à la cohorte
Genetic Studies of Leptin Concentrations Implicate Leptin in the Regulation of Early Adiposity
Hanieh Yaghootkar, Yiying Zhang, Cassandra N. Spracklen, Tugce Karaderi, Lam Opal Huang, Jonathan P. Bradfield, Claudia Schurmann, Rebecca S. Fine, Michael Preuß, Zoltán Kutalik, Laura B. L. Wittemans, Yingchang Lu, Sophia Metz, Sara M. Willems, Ruifang Li‐Gao, Niels Grarup, Shuai Wang, Sophie Molnos, América A. Sandoval-Zárate, Mike A. Nalls, Leslie A. Lange, Jeffrey Haesser, Xiuqing Guo, Leo‐Pekka Lyytikäinen, Mary F. Feitosa, Colleen M. Sitlani, Cristina Venturini, Anubha Mahajan, Tim Kacprowski, Carol A. Wang, Daniel I. Chasman, Najaf Amin, Linda Broer, Neil Robertson, Kristin L. Young, Matthew Allison, Paul L. Auer, Matthias Blüher, Judith B. Borja, Jette Bork‐Jensen, Germán D. Carrasquilla, Paraskevi Christofidou, Ayşe Demirkan, Claudia A. Doege, Melissa E. Garcia, Mariaelisa Graff, Kaiying Guo, Håkon Håkonarson, Jaeyoung Hong, Yii-Der Ida Chen, Rebecca D. Jackson, Hermina Jakupović, Pekka Jousilahti, Anne E. Justice, Mika Kähönen, Jorge R. Kizer, Jennifer Kriebel, Charles A. LeDuc, Jin Li, Lars Lind, Jian’an Luan, David A. Mackey, Massimo Mangino, Satu Männistö, Jayne F. Martin Carli, Carolina Medina‐Gómez, Dennis O. Mook‐Kanamori, Andrew P. Morris, Renée de Mutsert, Matthias Nauck, Ivana Nedeljković, Craig E. Pennell, Arund D. Pradhan, Bruce M. Psaty, Olli T. Raitakari, Robert A. Scott, Tea Skaaby, Konstantin Strauch, Kent D. Taylor, Alexander Teumer, André G. Uitterlinden, Ying Wu, Jie Yao, Mark Walker, Kari E. North, Péter Kovács, M. Arfan Ikram, Cornelia M. van Duijn, Paul M. Ridker, Stephen J. Lye, Georg Homuth, Erik Ingelsson, Tim D. Spector, Barbara McKnight, Michael A. Province, Terho Lehtimäki, Linda S. Adair, Jerome I. Rotter, Alex P. Reiner, James G. Wilson, Tamara B. Harris, Samuli Ripatti, Harald Grallert, James B. Meigs, Veikko Salomaa, Torben Hansen, Ko Willems van Dijk, Nicholas J. Wareham, Struan F.A. Grant, Claudia Langenberg, Timothy M. Frayling, Cecilia M. Lindgren, Karen L. Mohlke, Rudolph L. Leibel, Ruth J. F. Loos, Tuomas O. Kilpeläinen
Notice bibliographique
RevueDiabetes · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueRegulation of Appetite and Obesity
Établissements canadiensLunenfeld-Tanenbaum Research InstituteMount Sinai Hospital
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of General Medical SciencesNational Human Genome Research InstituteNational Heart, Lung, and Blood InstituteMünchner Zentrum für GesundheitswissenschaftenNIHR Oxford Biomedical Research CentreHelmholtz Zentrum MünchenNational Institutes of HealthDiabetesforeningenNovo Nordisk Foundation Center for Basic Metabolic ResearchFP7 Ideas: European Research CouncilTaysNovo Nordisk FondenDiabetesliittoSydäntutkimussäätiöEmil Aaltosen SäätiöNational Center for Advancing Translational SciencesMedical Research CouncilSigne ja Ane Gyllenbergin SäätiöAmerican Heart AssociationJuho Vainion SäätiöZonMwSuomen KulttuurirahastoYrjö Jahnssonin SäätiöDiabetes UKBundesministerium für GesundheitNational Institute on Minority Health and Health DisparitiesTampereen TuberkuloosisäätiöKelaJohns Hopkins UniversityEuropean CommissionLi Ka Shing FoundationFoundation for Cardiovascular ResearchAugustinus FondenPaavo Nurmen SäätiöNovo NordiskBundesministerium für Bildung und ForschungNational Institute on AgingNational Institute for Health and Care ResearchWellcome TrustHjerteforeningenDanmarks Frie Forskningsfond
Mots-clésLeptinInternal medicineEndocrinologyAdipokineBiologyMedicineObesity
Résumé
OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.
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.
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil0,197
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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.
Tête enseignante Opus0,056
Tête enseignante GPT0,283
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations56
Publié2020
Routes d'admission1
Résumé présentoui