Impact of Obesity-Induced Inflammation on Cardiovascular Diseases (CVD)
Notice bibliographique
Résumé
Overweight and obesity are key risk factors of cardiovascular disease (CVD). Obesity is currently presented as a pro-inflammatory state with an expansion in the outflow of inflammatory cytokines, such as interleukin-6 (IL-6) and tumor necrosis factor-alpha (TNF-α), alongside the expanded emission of leptin. The present review aimed to evaluate the relationship between obesity and inflammation and their impacts on the development of cardiovascular disease. A literature search was conducted by employing three academic databases, namely PubMed (Medline), Scopus (EMBASE), and the Cumulative Index to Nursing and Allied Health Literature (CINAHL). The search presented 786 items, and by inclusion and exclusion filterers, 59 works were considered for final review. The Newcastle-Ottawa Scale (NOS) method was adopted to conduct quality assessment; 19 papers were further selected based on the quality score. Obesity-related inflammation leads to a low-grade inflammatory state in organisms by upregulating pro-inflammatory markers and downregulating anti-inflammatory cytokines, thereby contributing to cardiovascular disease pathogenesis. Because of inflammatory and infectious symptoms, adipocytes appear to instigate articulation and discharge a few intense stage reactants and carriers of inflammation. Obesity and inflammatory markers are strongly associated, and are important factors in the development of CVD. Hence, weight management can help prevent cardiovascular risks and poor outcomes by inhibiting inflammatory mechanisms.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».