E-cigarette exposure causes early pro-atherogenic changes in an inducible murine model of atherosclerosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle