Lower 30 Minute Serum Insulin in Healthy Sprague‐Dawley Rats Consuming Chips from Specific Barley Flour Blends
Notice bibliographique
Résumé
ABSTRACT Consumption of whole grains such as barley is known to inversely correlate with insulin resistance, type 2 diabetes, and other chronic diseases. However, data from randomized controlled trials in humans have not produced consistent results. Compositional differences between foods produced from different whole grains are likely to be a main reason for these discrepancies. The purpose of this study was to determine if varying barley flour composition achieved through milling influenced the postprandial glucose and insulin response. Specifically, this study aimed to test barley foods in the form of chips with very low hydration, thereby mimicking human snack foods. Fasted rats (N = 39) were randomized to one of four barley treatments, all produced from a single variety, Hordeum vulgare L. ‘CDC Fibar.’ The treatments used were straight‐grade flour (SGF), whole grain flour (WGF), bran flour with high β‐glucan (BF‐BG), bran flour with high insoluble dietary fiber, and wheat flour (WF) as the control. Blood was sampled over 120 min following treatment consumption to measure postprandial glucose and insulin concentrations. Our data showed that although there were no substantial glycemic or insulin effects following one‐time consumption of barley tortilla chips with specific compositions, those rats consuming WGF, SGF, or BF‐BG tended to have lower 30 min serum insulin concentrations compared with those rats consuming WF.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».