MétaCan
Menu
Retour à la cohorte
Enregistrement W1971837690 · doi:10.14740/jocmr2030w

Effects of Dietary Fat Intake on HDL Metabolism

2014· review· en· W1971837690 sur OpenAlexvenueno aff
Hidekatsu Yanai, Hisayuki Katsuyama, Hidetaka Hamasaki, Shinichi Abe, Norio Tada, Akahito Sako

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueNatural Products and Biological Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Global Health and Medicine
Mots-clésInternal medicineMedicineCholesterolEndocrinologyMetabolismHigh-density lipoproteinDocosahexaenoic acidLipoproteinLipid metabolismFatty acidPolyunsaturated fatty acidBiochemistryChemistry

Résumé

récupéré en direct d'OpenAlex

High-density lipoprotein (HDL) is a lipoprotein which has anti-atherogenic property by reversing cholesterol transport from the peripheral tissues to liver. Low HDL-cholesterol (HDL-C) as well as high low-density lipoprotein-cholesterol (LDL-C) is associated with the development of coronary heart diseases (CHD). Various epidemiological studies have suggested that the development of CHD increase in individuals with less than 40 mg/dL of HDL-C. In spite of accumulation of evidences suggesting a significant association between low HDL-C and CHD, effects of dietary factors on HDL metabolism remained largely unknown. We reviewed published articles about effects of dietary fat intake on HDL metabolism. The substitution of fatty acids (FA) for carbohydrates is beneficially associated with HDL metabolism. Monounsaturated FA intake may not affect HDL-C. Trans-FA is significantly associated with reduction of HDL-C, and is also adversely related with total cholesterol/HDL-C. Fish oils consumption, especially docosahexaenoic acid consumption, may be favorably associated with HDL metabolism. Although plant sterols and stanols may not affect HDL-C, policosanol intake is associated with a clinically significant decrease in the LDL/HDL ratio.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,544
Tête enseignante GPT0,654
Écart entre enseignants0,110 · 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

Citations64
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine ResearchMême sujetNatural Products and Biological ResearchTravaux en français237 207