Finding a Link between Obesity and Senescence: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Cell aging is associated with changes in telomeres due to DNA damage arising from chronic inflammation in obese patients. The aim of the systematic review and meta-analysis was to find the relationship between obesity and aging or senescence. Methods: The systematic review was conducted through PRISMA guideline, beginning with literature search within 2012-2022 in several databases (PubMed, EBSCOHost, Science Direct, Scopus, and Cochrane) followed by screening process using predetermined PICO criteria. Original studies on the topic of obesity and senescence (aging), from preclinical studies to clinical research (cohort or cross-sectional studies) that were published within the last ten years. All studies were appraised using SYRCLE risk of bias tool for preclinical studies and Newcastle-Ottawa Scale (NOS) for cross-sectional and cohort studies. The data extraction on the studies' characteristic and outcome on aging or senescence were followed by quantitative analysis using MetaXL process on prevalence ratio and hazard ratio of obesity to comorbidities and mortality. Results: Fifteen studies were enrolled. Obesity and white adipose tissue cause increased levels of pro-inflammatory and pro-senescence cytokine and macrophage whilst the aging process lowers metabolism with increased insulin resistance and linked to increased risk of obesity. Obesity occurs in 22% (95% CI 18%-26%) of elderly population with higher prevalence rate in the women population. Obesity is associated with significant increased risk of multimorbidity by 56% (OR = 1.58 [95% CI 1.48-1.96]). Conclusion: The obesity and aging or senescence has reciprocal relationship between each other.
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,002 |
| 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 ».