Brain Responses to High-Calorie Visual Food Cues in Individuals with Normal-Weight or Obesity: An Activation Likelihood Estimation Meta-Analysis
Notice bibliographique
Résumé
Overconsumption of high-calorie or unhealthy foods commonly leads to weight gain. Understanding people's neural responses to high-calorie food cues might help to develop better interventions for preventing or reducing overeating and weight gain. In this review, we conducted a coordinate-based meta-analysis of functional magnetic resonance imaging studies of viewing high-calorie food cues in both normal-weight people and people with obesity. Electronic databases were searched for relevant articles, retrieving 59 eligible studies containing 2410 unique participants. The results of an activation likelihood estimation indicate large clusters in a range of structures, including the orbitofrontal cortex (OFC), amygdala, insula/frontal operculum, culmen, as well as the middle occipital gyrus, lingual gyrus, and fusiform gyrus. Conjunction analysis suggested that both normal-weight people and people with obesity activated OFC, supporting that the two groups share common neural substrates of reward processing when viewing high-calorie food cues. The contrast analyses did not show significant activations when comparing obesity with normal-weight. Together, these results provide new important evidence for the neural mechanism underlying high-calorie food cues processing, and new insights into common and distinct brain activations of viewing high-calorie food cues between people with obesity and normal-weight people.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».