Strategies for minimizing muscle loss during use of incretin‐mimetic drugs for treatment of obesity
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
The rapid and widespread clinical adoption of highly effective incretin-mimetic drugs (IMDs), particularly semaglutide and tirzepatide, for the treatment of obesity has outpaced the updating of clinical practice guidelines. Consequently, many patients may be at risk for adverse effects and uncertain long-term outcomes related to the use of these drugs. Of emerging concern is the loss of skeletal muscle mass and function that can accompany rapid substantial weight reduction; such losses can lead to reduced functional and metabolic health, weight cycling, compromised quality of life, and other adverse outcomes. Available evidence suggests that clinical trial participants receiving IMDs for the treatment of obesity lost 10% or more of their muscle mass during the 68- to 72-week interventions, approximately equivalent to 20 years of age-related muscle loss. The ability to maintain muscle mass during caloric restriction-induced weight reduction is influenced by two key factors: nutrition and physical exercise. Nutrition therapy should ensure adequate intake and absorption of high-quality protein and micronutrients, which may require the use of oral nutritional supplements. Additionally, concurrent physical activity, especially resistance training, has been shown to effectively minimize loss of muscle mass and function during weight reduction therapy. All patients receiving IMDs for obesity should participate in comprehensive treatment programs emphasizing adequate protein and micronutrient intakes, as well as resistance training, to preserve muscle mass and function, maximize the benefit of IMD therapy, and minimize potential risks.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| 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