E-cigarette exposure causes early pro-atherogenic changes in an inducible murine model of atherosclerosis
Notice bibliographique
Résumé
Introduction: Evidence suggests that e-cigarette use (vaping) increases cardiovascular disease risk, but decades are needed before people who vape would develop pathology. Thus, murine models of atherosclerosis can be utilized as tools to understand disease susceptibility, risk and pathogenesis. Moreover, there is a poor understanding of how risk factors for atherosclerosis (i.e., hyperlipidemia, high-fat diet) intersect with vaping to promote disease risk. Herein, we evaluated whether there was early evidence of atherosclerosis in an inducible hyperlipidemic mouse exposed to aerosol from commercial pod-style devices and e-liquid. Methods: Mice were injected with adeno-associated virus containing the human protein convertase subtilisin/kexin type 9 (PCSK9) variant to promote hyperlipidemia. These mice were fed a high-fat diet and exposed to room air or aerosol derived from JUUL pods containing polyethylene glycol/vegetable glycerin (PG/VG) or 5% nicotine with mango flavoring for 4 weeks; this timepoint was utilized to assess markers of atherosclerosis that may occur prior to the development of atherosclerotic plaques. Results: These data show that various parameters including weight, circulating lipoprotein/glucose levels, and splenic immune cells were significantly affected by exposure to PG/VG and/or nicotine-containing aerosols. Discussion: Not only can this mouse model be utilized for chronic vaping studies to assess the vascular pathology but these data support that vaping is not risk-free and may increase CVD outcomes later in life.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».