Soy Flour Muffins Do Not Improve Risk Factors for Cardiovascular Disease in Adults with Hypercholesterolemia
Notice bibliographique
Résumé
Soy may reduce cardiovascular disease (CVD) risk by lowering LDL cholesterol (LDL‐C), but it is not known whether this health benefit is related to the matrix of soy foods. This study assessed the dose‐dependent LDL‐C lowering effect of muffins made with whole de‐fatted soy flour in addition to other CVD risk factors. In a double‐blind, parallel, multicentre clinical trial, healthy adults (n = 243) with elevated LDL‐C (蠅 3.0 and 蠄 5.0 mmol/L) were randomly assigned to consume daily for 6 weeks either: (1) two soy muffins (25g soy protein); (2) one soy and one wheat muffin (12.5g soy protein and 12.5g whey protein); or (3) two wheat muffins (25g whey protein, control). A one‐way ANOVA determined the effect of treatment on the net change in fasting plasma lipids, C‐reactive protein (CRP), glucose, insulin, insulin resistance (HOMA‐IR), and blood pressure. Analyses were performed by intention‐to‐treat. Participants had a mean (±SD) age of 55.0±8.8 years and were overweight (BMI: 28.0±4.6 kg/m 2 ). No significant net change in LDL‐C was found in the groups assigned to soy compared to control (0.01±0.05 mmol/L vs. ‐0.04±0.05 mmol/L vs. ‐0.04±0.05 mmol/L; p = 0.718). Further, there were no significant intervention effects on other CVD risk factors. Whole de‐fatted soy flour muffins do not lower LDL‐C and other CVD risk factors in hypercholesterolemic adults. Funded by the Government of Canada Growing Forward I Science Substantiation Program (RBPI#1746).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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) | 0,002 | 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 ».