MétaCan
Menu
Retour à la cohorte
Enregistrement W4220925063 · doi:10.1111/jne.13133

An appetite for growth: The role of the hypothalamic – pituitary – growth hormone axis in energy balance

2022· review· en· W4220925063 sur OpenAlexfundno aff
Rebecca Dumbell

Notice bibliographique

RevueJournal of Neuroendocrinology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueGrowth Hormone and Insulin-like Growth Factors
Établissements canadiensnon disponible
Organismes subventionnairesSociety for EndocrinologyTrent UniversityGesellschaft für GenetikBritish Society for NeuroendocrinologyNottingham Trent University
Mots-clésEndocrinologyInternal medicineHormoneHypothalamusEnergy homeostasisAppetiteEnergy balanceBiologyAdipose tissueGrowth hormoneGhrelinEndocrine systemObesityMedicineEcology

Résumé

récupéré en direct d'OpenAlex

Links between the regulation of growth and energy balance are clear; to fuel growth, there must be consumption of energy. Therefore, it is perhaps intuitive that interactions between the hypothalamic - pituitary - growth hormone axis (growth axis) and pathways that drive metabolic processes exist. Overproduction of growth hormone has been associated with diabetes and metabolic disease for decades and the opposing effects of growth hormone and insulin have been studied since early experiments almost a century ago. The relationship between neuroendocrine axes can be complex and the growth axis is no exception, interacting with energy balance in several organ systems, both in the periphery and centrally in hypothalamic nuclei. Much is known about peripheral interactions between growth axis hormones and processes such as glucose homeostasis and adipogenesis. More is still being learned about the molecular actions of growth axis hormones in adipose and other metabolically active tissues, and recent findings are discussed in this perspective. However, less is known about interactions with central energy balance pathways in the hypothalamus. This perspective aims to summarise what is known about these interactions, taking lessons from human studies and animal genetic and seasonal models, and discusses what this may mean in an evolving landscape of personalised medicine.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,283
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), 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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroendocrinologyMême sujetGrowth Hormone and Insulin-like Growth FactorsTravaux en français237 207