MétaCan
Menu
Retour à la cohorte
Enregistrement W3138243399 · doi:10.33590/emj/10312932

Obesity: The Impact on Host Systems Affecting Mobility and Navigation through the Environment

2019· article· en· W3138243399 sur OpenAlexafffund
David A. Hart, Walter Herzog, Raylene A. Reimer, Jaqueline Lourdes Rios, Kelsey H. Collins

Notice bibliographique

RevueEuropean Medical Journal · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFatty Acid Research and Health
Établissements canadiensAlberta Bone and Joint Health InstituteUniversity of CalgaryAlberta Health Services
Organismes subventionnairesKillam TrustsCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorAlberta Health Services
Mots-clésObesityAffect (linguistics)MedicinePhysical medicine and rehabilitationPsychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Obesity is known to affect a high percentage of both adults and children in developed countries. Individuals with obesity are at risk of developing a number of comorbidities, as well as metabolic syndrome, which can create a low-grade systemic inflammatory state that further exacerbates the risk of developing comorbidities. Two systems that are susceptible to obesity-related effects are the musculoskeletal system, which contributes to mobility via the bones, muscles, tendons, and joints, and the eye, which contributes to mobility via fidelity of navigation through the environment. Subsequently, the loss of integrity in these systems can lead to sedentary behaviour, inability to exercise, and increased risk of developing cardiovascular and respiratory diseases, loss of cognition, and falls. This review focusses on the impact of obesity on elements of the musculoskeletal system and the eye, with particular focus on the involvement of inflammation and how this may affect mobility and navigation. Finally, the use of prebiotics in altering the inflammatory state associated with obesity via the gut microbiome is discussed as one approach to address issues related to mobility and navigation.

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)0,006
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,548
Score d'incertitude au seuil0,657

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,020
Tête enseignante GPT0,314
Écart entre enseignants0,294 · 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'étudeObservationnel
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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Medical JournalMême sujetFatty Acid Research and HealthTravaux en français237 207