MétaCan
Menu
Retour à la cohorte
Enregistrement W2053847114 · doi:10.4161/gmic.19246

Prebiotic fiber modulation of the gut microbiota improves risk factors for obesity and the metabolic syndrome

2012· review· en· W2053847114 sur OpenAlexafffund
Jill A. Parnell, Raylene A. Reimer

Notice bibliographique

RevueGut Microbes · 2012
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensMount Royal UniversityUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésPrebioticGut floraBiologyFirmicutesDysbiosisLactobacillusObesityProbioticMetabolic syndromeInsulin resistanceResistant starchFood scienceEndocrinologyImmunologyBacteriaGeneticsFermentation

Résumé

récupéré en direct d'OpenAlex

Prebiotic fibers are non-digestible carbohydrates that promote the growth of beneficial bacteria in the gut. Prebiotic consumption may benefit obesity and associated co-morbidities by improving or normalizing the dysbiosis of the gut microbiota. We evaluated the dose response to a prebiotic diet on the gut microbiota, body composition and obesity associated risk factors in lean and genetically obese rats. Prebiotic fibers increased Firmicutes and decreased Bacteroidetes, a profile often associated with a leaner phenotype. Bifidobacteria and Lactobacillus numbers also increased. Changes in the gut microbiota correlated with energy intake, glucose, insulin, satiety hormones, and hepatic cholesterol and triglyceride accumulation. Here we provide a comprehensive analysis evaluating the results through the lens of the gut microbiota. Salient, new developments impacting the interpretation and significance of our data are discussed. We propose that prebiotic fibers have promise as a safe and cost-effective means of modulating the gut microbiota to promote improved host:bacterial interactions in obesity and insulin resistance. Human clinical trials should be undertaken to confirm these effects.

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)0,000
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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,018
Tête enseignante GPT0,270
Écart entre enseignants0,251 · 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

Citations205
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGut MicrobesMême sujetGut microbiota and healthTravaux en français237 207