A leptin-based Bayesian inference of a pro-satiety state reflects a basal circadian rhythm in women with obesity
Notice bibliographique
Résumé
Introduction: Leptin, primarily secreted by adipose tissue, is a critical hormone involved in regulating energy balance and food intake by inducing satiety. Although several hormones influence satiety, leptin plays a dominant role in long-term satiety regulation. Methods: We apply a state-space estimation framework using Bayesian filtering to infer continuous, long-term pro-satiety states from plasma leptin concentrations collected from premenopausal women with obesity. Our approach adopts methodologies previously applied to biosignals such as skin conductance and cortisol data to estimate latent states, leveraging the features in the leptin secretory pulses and plasma leptin levels. Additionally, we investigate the potential influence of meals, sleep, and bromocriptine treatment on the pro-satiety states. We introduce the High Satiety Index (HSI), a direct, long-term satiety measure based on leptin secretion dynamics, minimizing biases inherent in conventional assessment methods. Results: Comparisons of the estimated state in different time windows show that the pro-satiety state inferred by leptin secretion is significantly higher during sleep, aligning with a circadian rhythm. The estimated state does not show a significant variation in response to meal intake or bromocriptine treatment. Discussion: The leptin-based estimator reflects basal variations of satiety in women with obesity. This framework shows the feasibility of applying Bayesian filtering to track satiety and can be further developed to perform a multimodal estimation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».