Author's reply: Low-dose eicosapentaenoic acid and/or docosahexaenoic acid and triglyceride lowering
Notice bibliographique
Résumé
We are thankful for the insight provided by Maki and Rains regarding our recent work titled “Long-chain omega-3 fatty acids eicosapentaenoic acid and docosahexaenoic acid dose-dependently reduce fasting serum triglycerides.”1 Maki and Rains raised two important issues relevant to our dose-response assessment. First, they suggested that a clear tracking of excluded studies and reasons for their exclusion should have been included in our manuscript to enable the reader to assess the potential for study-selection bias. Second, they raised questions regarding the omission of two of the largest fish oil intervention studies, the GISSI Prevention2 and GISSI Heart Failure3 trials. Each of these issues is discussed sequentially. The literature search described in our publication resulted in the identification of over 10,000 titles, despite attempts to limit the search to studies conducted in humans. This is reflective of the substantial amount of information that has been published on the topic of long-chain omega-3 fatty acids. The literature filtration process consisted of two steps: 1) abstracts of titles determined to be potentially relevant were reviewed; and 2) full-length articles of abstracts determined to be potentially relevant were reviewed. At each of these steps, the study inclusion and exclusion criteria listed in the first table of our publication1 were applied. The studies that were excluded, and the reasons for their exclusion, were tracked only from the point of full-length article review, given the substantial number of titles and abstracts reviewed. To be included in our dose-response assessment, one of …
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 tête enseignante, 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 ».