MétaCan
Menu
Retour à la cohorte
Enregistrement W4412105809 · doi:10.2337/dbi25-0003

High-Quality Weight Loss in Obesity: Importance of Skeletal Muscle

2025· review· en· W4412105809 sur OpenAlexafffund
Mary‐Ellen Harper, Robert Dent, Ruth McPherson

Notice bibliographique

RevueDiabetes · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesInstitute of Nutrition, Metabolism and DiabetesCanadian Institutes of Health Research
Mots-clésSkeletal muscleWeight lossEndocrinologyInternal medicineMedicineMetabolic syndromeObesityBiology

Résumé

récupéré en direct d'OpenAlex

Treatment responses to behavioral, surgical, and pharmacological approaches in obesity are highly variable in quantity and quality. Here we refer to high-quality weight loss as a high proportion of fat to skeletal muscle mass lost. Given the role of skeletal muscle in energy expenditure, glucose homeostasis, metabolic flexibility, mobility, and strength, excessive loss of skeletal muscle during weight loss is a concern for overall health. Challenges in accurately measuring body composition, especially skeletal muscle, limit our understanding of muscle loss during obesity treatment. Recent incretin-related pharmacotherapies improve muscle metabolic health by enhancing glucose uptake and reducing muscle lipids but, like other weight loss interventions, are associated with muscle loss. Newer pharmacological interventions are being developed to minimize muscle loss, but many questions remain. This article examines the metabolic importance of skeletal muscle and its measurement clinically, as well as key genetic and metabolic factors influencing skeletal muscle and the quality of weight loss. Genetics can affect muscle composition (e.g., fiber types) and function. Together with metabolic factors, including neurohormonal responses and skeletal muscle metabolic efficiency and adaptation, there is variability in weight loss outcomes. In future research investigators should continue to focus on factors affecting skeletal muscle and on personalized strategies to optimize weight loss quality preserving the physical and metabolic functions of skeletal muscle. ARTICLE HIGHLIGHTS: High-quality weight loss, i.e., a high proportion of fat to skeletal muscle lost during the treatment of obesity, is advantageous for metabolic and physical health. Precise and accurate determinations of skeletal muscle mass in clinical settings are often challenging. In prevention of excessive loss of skeletal muscle during weight loss, advantages include minimization of metabolic adaptation that makes it difficult to sustain weight loss, improved glucose homeostasis and metabolic flexibility, and better mobility and strength. Effective approaches to preserving skeletal muscle include sufficient dietary protein and inclusion of exercise (especially resistance exercise) during weight loss; new pharmacological approaches are under development.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,045
Tête enseignante GPT0,383
Écart entre enseignants0,338 · 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

Citations15
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetNutrition and Health in AgingTravaux en français237 207