Эксперты выступили против стигматизации ожирения

Международная группа из 36 экспертов изучила имеющиеся данные о причинах и последствиях стигматизации людей с нарушениями веса и разработала консенсусные рекомендации по устранению стигматизации. Заявление группы, опубликованное в Nature Medicine, подписали более 100 организаций, учреждений, научных обществ и рецензируемых журналов.

Цель работы группы «заключалась в устранении разрыва между стигматизирующими рассказами об ожирении и современными научными знаниями о механизмах регуляции массы тела».

Экспертная группа, в которую входили врачи, пациенты и политики, не нашла никаких причин поддерживать стигматизацию людей с ожирением (в частности, она не способствует снижению веса, более здоровой диете или увеличению физической активности) и выявила ряд основополагающих заблуждений, которые могут способствовать стигматизации. В заявлении содержатся 13 рекомендаций, в том числе признание ожирения хроническим заболеванием, повышение осведомленности работников здравоохранения о стигматизации по весу при оказании медицинских услуг, увеличение финансирования исследований в области ожирения и диабета 2-го типа. Эксперты также призывают к проведению жесткой государственной политики, запрещающей дискриминацию и неравенство по весу.

Добавить в избранное

Вам будет интересно

14.11.2024
484
0

Последняя версия алгоритма для предсказания структуры белков и их комплексов AlphaFold3, в отличие от RoseTTAFold и AlphaFold2, до сих пор не находилась в открытом доступе. После публикации статьи, в которой была представлена новая версия, в мае 2024 года, исследователи могли вводить последовательности белков и интересующих лигандов на сервере. Это решение компании Google DeepMind вызвало критику, так как оно ограничивает возможности по проверке и воспроизведению результатов. Кроме того, сервер не позволял моделировать взаимодействия с потенциальными лекарствами.

Компания заявляла, что это обеспечило правильный баланс между доступом для исследований и защитой коммерческих интересов (Isomorphic Labs, дочерняя компания DeepMind, использует AlphaFold3 для разработки лекарств). Однако затем представители компании объявили, что планируют в течение шести месяцев выпустить модель со свободным доступом для академического использования.

Теперь ученые могут загрузить программный код AlphaFold3, чтобы работать с ним в некоммерческих целях, объявила Google DeepMind 11 ноября. «Мы очень рады будем увидеть, что люди сделают с ним», — говорит Джон Джампер, который возглавляет команду AlphaFold в DeepMind и вместе с генеральным директором Демисом Хассабисом получил половину Нобелевской премии по химии 2024 года.

За последние месяцы несколько компаний из США и Китая представили инструменты с открытым исходным кодом на основе AlphaFold3 для прогнозирования структуры белков, комментирует Nature.

23.10.2024
659
0

В сентябре 2024 года технологический стартап Scitility (США) запустил инструмент для анализа данных Argos, который отмечает научные статьи с потенциально мошенническими или сомнительными исследованиями. Для оценки статей инструмент отслеживает предыдущие публикации авторов — не были ли они отозваны в связи с недобросовестностью исследователей. Также подозрения может вызвать статья, многократно цитирующая отозванные статьи. Есть и другие показатели, например, «кривые» фразы, странный выбор слов в которых может быть попыткой скрыть плагиат. Одной из основных проблем такого подхода специалисты называют сходство имен некоторых ученых, которых алгоритм может спутать. Argos открыт для всех, более полный доступ предоставляется, например, журналистам.

К началу октября Argos уже отметил 40 000 статей как имеющие высокий риск и 180 000 —как имеющие средний риск, а также проиндексировал 50 000 отозванных статей. Больше всего подозрительных статей было выявлено у Hindawi — дочерней компании издательства Wiley. Это неудивительно, так как за последние два года Wiley отозвало более 10 000 статей, опубликованных Hindawi — более 4% его портфолио. У Elsevier было выявлено более 11 400 статьей с высоким риском (0,2% портфолио последнего десятилетия). У Springer Nature было выявлено более 6000 отзывов статей и более 6000 статей с высоким риском — около 0,3% его портфолио. Издатель MDPI отозвал 311 статей, но имеет более 3000 статей высокого риска — около 0,24% портфолио. Среди отдельных журналов лидирует Scientific Reports издательства Springer Nature с 450 статьями высокого риска и 231 отозванной статьей, что в совокупности составляет около 0,3% его портфолио.

Все издатели с большим количеством подозрительных статей заявляют, что они усердно работают над тем, чтобы публиковать только добросовестные исследования, используют новые технологии для проверки статей, а тот факт, что они отзывают статьи, говорит об их стремлении избавиться от проблемных работ.

21.10.2024
530
0

Журнал BMC Genomics (IF 3.5) приглашает авторов статей в специальный выпуск, посвященный геномике морских организмов. Крайний срок подачи заявок — 10 июля 2025 года. Приглашенные редакторы — научный руководитель Лаборатории палеогеномики Европейского университета (Санкт-Петербург) Артем Недолужко и профессор Университета Клемсона (США) Антонио Баэс.

В предыдущем спецвыпуске на эту тему, First dive into marine genomics, было опубликовано 17 статей.

Артем Недолужко отметил, что для него особенно привлекательными будут работы, где используется музейный материал и историческая ДНК.

Другие открытые спецвыпуски на сайте журнала

08.10.2024
691
0

Лауреатами Нобелевской премии по физике 2024 года стали Джон Хопфилд и Джеффри Хинтон, которым присудили награду «за основополагающие открытия и изобретения, обеспечивающие машинное обучение с помощью искусственных нейронных сетей». Джон Хопфилд — создатель ассоциативной нейронной сети, способной хранить и восстанавливать паттерны в данных. На основе такой сети (иначе ее называют сетью Хопфилда) Джеффри Хинтон, правнук Джорджа Буля, изобрел способ автономно находить заданные признаки в данных — это позволяет, например, выявлять конкретные элементы на изображении.

Изначально вдохновленные структурой мозга, искусственные нейронные сети находят все более широкое применение в самых разных сферах исследований и разработок, в том числе в биологии и медицине. К примеру, распознавание образов важно для диагностики, а глубокое обучение, основанное на разработке Хинтона, используют для разработок препаратов и предсказания структуры макромолекул.