Effects of exercise training on intrauterine growth restriction in an animal model
Bibliographic record
Abstract
Résumé Selon l'OMS, la retard de croissance intra-utérine (RCIU; 10% en dessous du poids normal pendant la grossesse) affecte 5-10% des grossesses et est une cause principale de la morbidité et de la mortalité périnatales. Dans notre étude précédente sur un modèle de souris transgénique de prééclampsie (R+A+), nous avons constaté que l’entraînement physique (ExT) avant et pendant la grossesse réduisait la pression artérielle maternelle et empêchait la RCIU en améliorant le développement placentaire. Dans le cadre de mon projet, nous avons confirmé les bénifices de l’ExT dans un modèle de RCIU (souris déficiente en p57Kip2 (p57-/+). Ainsi, nous avons observé la présence de RCIU, d’une masse placentaire réduite, d’une augmentation de la pathologie placentaire ainsi qu’une plus petite taille des portées chez les souris p57-/+ sédentaire. L’ExT prévient la RCIU ainsi que tous les paramètres mentionnés ci-haut. Nous avons observé que l'expression du facteur de croissance de l’endothélium vasculaire, un régulateur clé de l'angiogenèse lors de la croissance placentaire, était réduite dans le placenta des souris p57-/+ et normalisée par l’ExT. Nous avons également trouvé que l'expression en ARN dans le placenta de 2 facteurs inflammatoires (interleukine-1β et MCP-1) était augmenté chez les souris sédentaires p57-/+ alors que ceci n’était pas présent chez les souris entraînées, ce qui suggère que l'inflammation placentaire peut contribuer à la pathologie placentaire. Toutefois, contrairement aux souris R+A+, le système rénine-angiotensine placentaire chez les souris p57-/+ était normale et aucun effet de l’ExT a été observé. Ces résultats suggèrent que l’ExT prévient la RCIU en normalisant la pathologie placentaire, l’angiogenèse et l’inflammation placentaire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".