MétaCan
Menu
Retour à la cohorte
Enregistrement W4399684120 · doi:10.14814/phy2.16098

Inflammatory pathway communication with skeletal muscle—Does aging play a role? A topical review of the current evidence

2024· review· en· W4399684120 sur OpenAlexaff
Stephen M. Cornish, Dean M. Cordingley

Notice bibliographique

RevuePhysiological Reports · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueExercise and Physiological Responses
Établissements canadiensPan Am ClinicUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésCurrent (fluid)MedicineSkeletal muscleBioinformaticsInternal medicineBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Skeletal muscle plays an integral role in locomotion, but also as part of the integrative physiological system. Recent progress has identified crosstalk between skeletal muscle and various physiological systems, including the immune system. Both the musculoskeletal and immune systems are impacted by aging. Increased age is associated with decreased muscle mass and function, while the immune system undergoes "inflammaging" and immunosenescence. Exercise is identified as a preventative medicine that can mitigate loss of function for both systems. This review summarizes: (1) the inflammatory pathways active in skeletal muscle; and (2) the inflammatory and skeletal muscle response to unaccustomed exercise in younger and older adults. Compared to younger adults, it appears older individuals have a muted pro-inflammatory response and elevated anti-inflammatory response to exercise. This important difference could contribute to decreased regeneration and recovery following unaccustomed exercise in older adults, as well as in chronic disease. The current research provides specific information on the role inflammation plays in altering skeletal muscle form and function, and adaptation to exercise; however, the pursuit of more knowledge in this area will delineate specific interventions that may enhance skeletal muscle recovery and promote resiliency in this tissue particularly with aging.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,858
Score d'incertitude au seuil0,763

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,073
Tête enseignante GPT0,383
Écart entre enseignants0,310 · 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'étudeAutre devis
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

Citations16
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiological ReportsMême sujetExercise and Physiological ResponsesTravaux en français237 207