Exploring the effects of an insulin challenge on neuroimaging outcomes: A scoping review
Notice bibliographique
Résumé
• Neuroimaging paradigms with an intranasal insulin (INI) challenge can be used to study insulin action in the human brain. • Comprehensive overview of all relevant studies that employed an INI-based neuroimaging assay of brain insulin signaling. • INI significantly modulates activity and blood flow in regions related to control of food intake, as well as cognition. • Response to INI may be moderated by age, sex, body mass index (BMI), and peripheral insulin sensitivity. • There is merit in exploring brain insulin signaling and the potential therapeutic value of INI in other clinical populations. Emerging evidence demonstrates that insulin has a modulating effect on metabolic and cognitive function in the brain, highlighting the potential role of aberrant brain insulin signaling in the pathogenesis of various neuropsychiatric illnesses. Neuroimaging paradigms using intranasal insulin (INI) as a pharmacological challenge have allowed us to study the effects of insulin in the human brain. In this scoping review, we conducted a systematic database search to identify relevant research studies that employed an INI-based neuroimaging assay of brain insulin signaling. Thirty-six studies met inclusion criteria for this review. INI was found to significantly modulate activity and cerebral blood flow in brain regions related to homeostatic/hedonic control of food intake, as well as cognition. This review highlights the putative role of insulin signaling in the brain and the potential therapeutic value of INI in patients with mental health, addiction, and co-morbid metabolic disorders.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».