MétaCan
Menu
Retour à la cohorte
Enregistrement W4312094040 · doi:10.1017/s1092852922001195

The concept of “metabolic jet lag” in the pathophysiology of bipolar disorder: implications for research and clinical care

2022· review· en· W4312094040 sur OpenAlexafffund
Elena Koning, Alexandra McDonald, Alexander Bambokian, Fabiano A. Gomes, Jacob Vorstman, Michael Berk, Jennifer Fabe, Roger S. McIntyre, Roumen Milev, Rodrigo B. Mansur, Elisa Brietzke

Notice bibliographique

RevueCNS Spectrums · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueBipolar Disorder and Treatment
Établissements canadiensProvidence Health CareQueen's UniversityMcMaster UniversityMcMaster Children's HospitalUniversity of TorontoBrain and Cognition Discovery Foundation
Organismes subventionnairesNational Health and Medical Research CouncilQueen's University
Mots-clésCircadian rhythmBipolar disorderChronobiologyMedicinePsychologyBiologyNeurosciencePsychiatryMood

Résumé

récupéré en direct d'OpenAlex

Bipolar disorder (BD) is a potentially chronic mental disorder marked by recurrent depressive and manic episodes, circadian rhythm disruption, and changes in energetic metabolism. "Metabolic jet lag" refers to a state of shift in circadian patterns of energy homeostasis, affecting neuroendocrine, immune, and adipose tissue function, expressed through behavioral changes such as irregularities in sleep and appetite. Risk factors include genetic variation, mitochondrial dysfunction, lifestyle factors, poor gut microbiome health and abnormalities in hunger, satiety, and hedonistic function. Evidence suggests metabolic jet lag is a core component of BD pathophysiology, as individuals with BD frequently exhibit irregular eating rhythms and circadian desynchronization of their energetic metabolism, which is associated with unfavorable clinical outcomes. Although current diagnostic criteria lack any assessment of eating rhythms, technological advancements including mobile phone applications and ecological momentary assessment allow for the reliable tracking of biological rhythms. Overall, methodological refinement of metabolic jet lag assessment will increase knowledge in this field and stimulate the development of interventions targeting metabolic rhythms, such as time-restricted eating.

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)0,000
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 enseignants0,972
Score d'incertitude au seuil0,380

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,141
Tête enseignante GPT0,472
Écart entre enseignants0,331 · 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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCNS SpectrumsMême sujetBipolar Disorder and TreatmentTravaux en français237 207