MétaCan
Menu
Retour à la cohorte
Enregistrement W2048480904 · doi:10.1080/21551197.2012.698220

Flavonoid Intake and Bone Health

2012· review· en· W2048480904 sur OpenAlexaff
Connie M. Weaver, D. Lee Alekel, Wendy E. Ward, Martin J. J. Ronis

Notice bibliographique

RevueJournal of Nutrition in Gerontology and Geriatrics · 2012
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBone Metabolism and Diseases
Établissements canadiensBrock University
Organismes subventionnairesNational Institute on Alcohol Abuse and Alcoholism
Mots-clésMedicineFlavonoidOsteoclastOsteoblastBone resorptionBone healthBone remodelingAntioxidantOsteoporosisPharmacologyFood scienceInternal medicineBiochemistryIn vitroBiologyBone mineral

Résumé

récupéré en direct d'OpenAlex

Flavonoids, found in a wide diversity of plant foods from fruits and vegetables, herbs and spices, essential oils, and beverages, have the most potential of dietary components for promotion of bone health beyond calcium and vitamin D. Recent epidemiological studies show flavonoid consumption to have a stronger association with bone than general fruit and vegetable consumption. Bioactive flavonoids are being assessed for properties beyond their chemical antioxidant capacity, including anti-inflammatory actions. Some have been reported to enhance bone formation and to inhibit bone resorption through their action on cell signaling pathways that influence osteoblast and osteoclast differentiation. Future research is needed to determine which of the flavonoids and their metabolites are most effective and at what dose, as well as the mechanism of modulating cellular events, in order to set priorities for clinical trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,992
Score d'incertitude au seuil0,722

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,333
Écart entre enseignants0,291 · 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 tête enseignante, 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

Citations136
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nutrition in Gerontology and GeriatricsMême sujetBone Metabolism and DiseasesTravaux en français237 207