MétaCan
Menu
Retour à la cohorte
Enregistrement W4296163606 · doi:10.1177/01926233221123523

How Does Lifestyle Affect Hematopoiesis and the Bone Marrow Microenvironment?

2022· review· en· W4296163606 sur OpenAlexaff
James J. Vanhie, Michael De Lisio

Notice bibliographique

RevueToxicologic Pathology · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBone marrowMyelopoiesisHaematopoiesisInflammationMedicineStem cellAdipose tissuePhysical exerciseObesityCytokineImmunologyMyeloidBiologyInternal medicineCell biology

Résumé

récupéré en direct d'OpenAlex

Lifestyle factors are modifiable behavioral factors that have a significant impact on health and longevity. Diet-induced obesity and physical activity/exercise are two prevalent lifestyle factors that have strong relationships to overall health. The mechanisms linking obesity to negative health outcomes and the mechanisms linking increased participation in physical activity/exercise to positive health outcomes are beginning to be elucidated. Chronic inflammation, due in part to overproduction of myeloid cells from hematopoietic stem cells (HSCs) in the bone marrow, is an established mechanism responsible for the negative health effects of obesity. Recent work has shown that exercise training can reverse the aberrant myelopoiesis present in obesity in part by restoring the bone marrow microenvironment. Specifically, exercise training reduces marrow adipose tissue, increases HSC retention factor expression, and reduces pro-inflammatory cytokine levels in the bone marrow. Other, novel mechanistic factors responsible for these exercise-induced effects, including intercellular communication using extracellular vesicles (EVs), is beginning to be explored. This review will summarize the recent literature describing the effects of exercise on hematopoiesis in individuals with obesity and introduce the potential contribution of EVs to this process.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,266
Écart entre enseignants0,248 · 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'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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueToxicologic PathologyMême sujetExtracellular vesicles in diseaseTravaux en français237 207