MétaCan
Menu
Retour à la cohorte
Enregistrement W4410144471 · doi:10.1101/2025.05.01.651663

A physiology-based mathematical model of the renin-angiotensin system, bone remodeling, and calcium homeostasis: Effects of estrogen and renin-angiotensin system inhibitors

2025· preprint· en· W4410144471 sur OpenAlexaff
Melissa M. Stadt, Anita T. Layton

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineMedicine
ThématiqueHormonal Regulation and Hypertension
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRenin–angiotensin systemHomeostasisEstrogenBone remodelingEndocrinologyInternal medicineAngiotensin IICalciumCalcium metabolismMedicineBlood pressure

Résumé

récupéré en direct d'OpenAlex

Abstract During menopause, estrogen levels decline significantly, leading to substantial physiological changes due to estrogen’s regulatory role in various systems. In particular, estrogen helps prevent excessive bone resorption by its impact on bone remodeling. When estrogen levels decrease, bone resorption increases, often resulting in weakened bones and osteoporosis in post-menopausal women. Experimental studies have also shown that estrogen regulates the renin-angiotensin system (RAS), a hormone system involved in many physiological processes, including blood pressure regulation. Additionally, the RAS has an interconnected relationship with calcium regulatory and bone remodeling systems. Given these dynamic interplays, how would perturbations in one system affect the others? To answer that question, we developed a physiology-based mathematical model that simulates the interactions of estrogen, key RAS components, calcium regulation, and bone remodeling. Through sensitivity analysis and model simulations, we investigated how declining estrogen levels affect the RAS and bone mineral density. Furthermore, we quantified how RAS inhibitors, specifically angiotensin-converting enzyme inhibitors and angiotensin receptor blockers, may increase bone density during post-menopausal estrogen decline.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,226
Écart entre enseignants0,211 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetHormonal Regulation and HypertensionTravaux en français237 207