MétaCan
Menu
Retour à la cohorte
Enregistrement W4213056145 · doi:10.3389/fnut.2022.840209

The Interplay of Obesity, Dyslipidemia and Immune Dysfunction: A Brief Overview on Pathophysiology, Animal Models, and Nutritional Modulation

2022· review· en· W4213056145 sur OpenAlexafffund
Yongbo She, Rabban Mangat, Sue Tsai, Spencer D. Proctor, Caroline Richard

Notice bibliographique

RevueFrontiers in Nutrition · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship CouncilDairy Farmers of Canada
Mots-clésDyslipidemiaContext (archaeology)Immune systemDiseaseObesityMedicineBioinformaticsNeuroscienceBiologyImmunologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Obesity has emerged as a leading global health concern. It is characterized by chronic low-grade inflammation, which impairs insulin signaling, lipid metabolism and immune function. Recent findings from animal and clinical studies have begun to elucidate the underlying mechanisms of immune dysfunction seen in the context of obesity. Here, we provide a brief review on the current understanding of the interplay between obesity, dyslipidemia and immunity. We also emphasize the advantages and shortcomings of numerous applicable research models including rodents and large animal swine that aim at unraveling the molecular basis of disease and clinical manifestations. Although there is no perfect model to answer all questions at once, they are often used to complement each other. Finally, we highlight some emerging nutritional strategies to improve immune function in the context of obesity with a particular focus on choline and foods that contains high amounts of choline.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,027
Tête enseignante GPT0,296
Écart entre enseignants0,269 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in NutritionMême sujetAdipokines, Inflammation, and Metabolic DiseasesTravaux en français237 207