Outcomes and clinical implications of intranasal insulin on cognition in humans: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Aberrant brain insulin signaling has been posited to lie at the crossroads of several metabolic and cognitive disorders. Intranasal insulin (INI) is a non-invasive approach that allows investigation and modulation of insulin signaling in the brain while limiting peripheral side effects. OBJECTIVES: The objective of this systematic review and meta-analysis is to evaluate the effects of INI on cognition in diverse patient populations and healthy individuals. METHODS: MEDLINE, EMBASE, PsycINFO, and Cochrane CENTRAL were systematically searched from 2000 to July 2021. Eligible studies were randomized controlled trials that studied the effects of INI on cognition. Two independent reviewers determined study eligibility and extracted relevant descriptive and outcome data. RESULTS: Twenty-nine studies (pooled N = 1,726) in healthy individuals as well as those with Alzheimer's disease (AD)/mild cognitive impairment (MCI), mental health disorders, metabolic disorders, among others, were included in the quantitative meta-analysis. Patients with AD/MCI treated with INI were more likely to show an improvement in global cognition (SMD = 0.22, 95% CI: 0.05-0.38 p = <0.00001, N = 12 studies). Among studies with healthy individuals and other patient populations, no significant effects of INI were found for global cognition. CONCLUSIONS: This review demonstrates that INI may be associated with pro-cognitive benefits for global cognition, specifically for individuals with AD/MCI. Further studies are required to better understand the neurobiological mechanisms and differences in etiology to dissect the intrinsic and extrinsic factors contributing to the treatment response of INI.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».