Failure of a dietary model to affect markers of inflammation in domestic cats
Notice bibliographique
Résumé
BACKGROUND: Oxidative stress and inflammation can be altered by dietary factors in various species. However, little data are available in true carnivorous species such as domestic cats. As numerous anti-inflammatory and anti-oxidative additives become available and might be of use in cats with chronic low-grade inflammatory diseases, the current study aimed to develop a model of diet-induced inflammation by use of two opposite diets. It was hypothesized that a high fat diet enhanced in n-6 PUFA and with lower concentrations of antioxidants would evoke inflammation and oxidative stress in domestic cats. RESULTS: Sixteen healthy adult cats were allocated to two groups. One group received a moderate fat diet, containing pork lard and salmon oil (AA:(EPA + DHA) ratio 0.19) (MFn-3), while the other group was fed a high fat diet, containing pork lard and chicken fat (AA:(EPA + DHA) ratio 2.06) (HFn-6) for 12 weeks. Prior to and 2, 4, 6, 8, 10 and 12 weeks after starting the testing period, blood samples were collected. Erythrocytic fatty acid profile showed clear alterations in accordance to the dietary fatty acid profile. Serum thiobarbituric acid reactive substances was higher when fed MFn-3 compared to the HFn-6, suggesting augmented oxidative stress. This was associated with a reduced serum vitamin E status, as serum α-tocopherol concentrations were lower with MFn-3, even with higher dietary levels of vitamin E. Serum cytokine and serum amyloid A concentrations were not influenced by diet. CONCLUSION: These results point towards a resistance of cats to develop dietary fat-induced inflammation, but also suggest a high susceptibility to oxidative stress when fed a fish oil-supplemented diet even with moderate fat level and additional vitamin E.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».