Adipose Tissue Metabolic Function and Dysfunction: Impact of Burn Injury
Notice bibliographique
Résumé
For decades, adipose tissue had been considered as merely a storage depot and cushion to protect organs against trauma and injury. However, in recent years, a number of impactful studies have pinpointed the adipose tissue as an endocrine organ mediating systemic dysfunction in not only metabolic disorders such as obesity, but also in the stages following traumatic events such as severe burns. For instance, thermal injury induces a chronic β-adrenergic response associated with drastic increases in adipose lipolysis, macrophage infiltration and IL-6 mediated browning of white adipose tissue (WAT). The downstream consequences of these physiological changes to adipose, such as hepatomegaly and muscle wasting, are only now coming to light and suggest that WAT is both a culprit in and initiator of metabolic disorders after burn injury. To that effect, the aim of this review is to chronicle and critically analyze the scientific advances made in the study of adipose tissue with regards to its role in orchestrating the hypermetabolic response and detrimental effects of burn injury. The topics covered include the magnitude of the lipolytic response following thermal trauma and how WAT browning and inflammation perpetuate this cycle as well as how WAT physiology impacts insulin resistance and hyperglycemia post-burn. To conclude, we discuss how these findings can be translated from bench to bedside in the form of therapeutic interventions which target physiological changes to WAT to restore systemic homeostasis following a severe burn.
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) | 0,002 | 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.
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 ».