Citrus flavonoids and lipid metabolism
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Citrus flavonoids are polyphenolic compounds with powerful biological properties. This review aims to summarize recent advances towards understanding the ability of citrus flavonoids to regulate lipid metabolism and other metabolic parameters relevant to the metabolic syndrome, type 2 diabetes and cardiovascular disease. RECENT FINDINGS: Citrus flavonoids, including naringenin, hesperidin, nobiletin and tangeretin, have emerged as promising therapeutic agents for the treatment of metabolic dysregulation. Epidemiological studies report that intake of citrus flavonoid-containing foods attenuates cardiovascular diseases. Experimental and a limited number of clinical studies reveal lipid-lowering, insulin-sensitizing, antihypertensive and anti-inflammatory properties. In animal models, citrus flavonoid supplements prevent hepatic steatosis, dyslipidemia and insulin sensitivity primarily through inhibition of hepatic fatty acid synthesis and increased fatty acid oxidation. Citrus flavonoids blunt the inflammatory response in metabolically important tissues including liver, adipose tissue, kidney and the aorta. The mechanisms underlying flavonoid-induced metabolic regulation have not been completely established. In mouse models, citrus flavonoids show marked suppression of atherogenesis through improved metabolic parameters and also through direct impact on the vessel wall. SUMMARY: These recent studies suggest an important role of citrus flavonoids in the treatment of dyslipidemia, insulin resistance, hepatic steatosis, obesity and atherosclerosis. The favorable outcomes are achieved through multiple mechanisms. Human studies focussed on dose, bioavailability, efficacy and safety are required to propel the use of these promising therapeutic agents into the clinical arena.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 | 0,001 |
| 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 découle