MétaCan
Menu
Retour à la cohorte
Enregistrement W4225096578 · doi:10.1152/ajpcell.00425.2021

Disuse-induced skeletal muscle atrophy in disease and nondisease states in humans: mechanisms, prevention, and recovery strategies

2022· review· en· W4225096578 sur OpenAlexafffund
Everson Araújo Nunes, Tanner Stokes, James McKendry, Brad S. Currier, Stuart M. Phillips

Notice bibliographique

RevueAmerican Journal of Physiology-Cell Physiology · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensMcMaster University
Organismes subventionnairesInstituto Nacional de Ciência e Tecnologia da CriosferaCanadian Institutes of Health ResearchMinistério da Ciência, Tecnologia e InovaçãoNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsGovernment of Canada
Mots-clésMuscle atrophySkeletal muscleAtrophySarcopeniaEndocrinologyAnabolismInternal medicinePopulationBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Decreased skeletal muscle contractile activity (disuse) or unloading leads to muscle mass loss, also known as muscle atrophy. The balance between muscle protein synthesis (MPS) and muscle protein breakdown (MPB) is the primary determinant of skeletal muscle mass. A reduced mechanical load on skeletal muscle is one of the main external factors leading to muscle atrophy. However, endocrine and inflammatory factors can act synergistically in catabolic states, amplifying the atrophy process and accelerating its progression. In addition, older individuals display aging-induced anabolic resistance, which can predispose this population to more pronounced effects when exposed to periods of reduced physical activity or mechanical unloading. Different cellular mechanisms contribute to the regulation of muscle protein balance during skeletal muscle atrophy. This review summarizes the effects of muscle disuse on muscle protein balance and the molecular mechanisms involved in muscle atrophy in the absence or presence of disease. Finally, a discussion of the current literature describing efficient strategies to prevent or improve the recovery from muscle atrophy is also presented.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,280
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.

Devis d'étudeExpérimental (laboratoire)
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

Citations165
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Physiology-Cell PhysiologyMême sujetMuscle Physiology and DisordersTravaux en français237 207