MétaCan
Menu
Retour à la cohorte
Enregistrement W4403004702 · doi:10.3389/jpps.2024.13375

Targeting ketone body metabolism to treat fatty liver disease

2024· review· en· W4403004702 sur OpenAlexafffundvenue
Sora Kwon, Reshani Jeyaratnam, Kyoung-Han Kim

Notice bibliographique

RevueJournal of Pharmacy & Pharmaceutical Sciences · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversities Space Research AssociationGovernment of OntarioDiabetes CanadaMitacsHeart and Stroke Foundation of Canada
Mots-clésKetogenesisKetone bodiesCirrhosisSteatohepatitisFatty liverLiver diseaseHepatocellular carcinomaMedicineFatty acid metabolismEndocrinologyInternal medicineDiseaseMetabolismBiology

Résumé

récupéré en direct d'OpenAlex

Metabolic dysfunction-associated steatotic liver disease (MASLD) is a metabolic disorder marked by excessive accumulation of lipids within the liver. If untreated, this condition can progress to metabolic dysfunction-associated steatohepatitis (MASH), fibrosis, cirrhosis, and ultimately, hepatocellular carcinoma (HCC). Given the liver's pivotal role in glucose and fatty acid metabolism, disruptions in these processes are commonly observed in MASLD. Ketone bodies, crucial energy metabolites primarily produced in the liver, are also closely related to the progression of MASLD. Recent studies have demonstrated that disrupted ketogenesis not only accompanies MASLD, but may also play a causal role in its development and progression. Moreover, activation of the ketogenic pathway has been suggested as a promising strategy for reducing excessive hepatic fat accumulation. This review focuses on the regulation of ketogenesis in MASLD, emphasizing the significance of dietary and pharmacological interventions as potential therapeutic approaches to treat fatty liver disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,151
Tête enseignante GPT0,484
Écart entre enseignants0,333 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations9
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy & Pharmaceutical SciencesMême sujetLiver Disease Diagnosis and TreatmentTravaux en français237 207