Adding MUFA to a dietary portfolio of cholesterol-lowering foods reduces apoAI fractional catabolic rate in subjects with dyslipidaemia
Notice bibliographique
Résumé
The present randomised parallel study assessed the impact of adding MUFA to a dietary portfolio of cholesterol-lowering foods on the intravascular kinetics of apoAI- and apoB-containing lipoproteins in subjects with dyslipidaemia. A sample of sixteen men and postmenopausal women consumed a run-in stabilisation diet for 4 weeks. Subjects were then randomly assigned to an experimental dietary portfolio either high or low in MUFA for another 4 weeks. MUFA substituted 13·0% of total energy from carbohydrate (CHO) in the high-MUFA dietary portfolio. Lipoprotein kinetics were assessed after the run-in and portfolio diets using a primed, constant infusion of [2H3]leucine and multicompartmental modelling. The high-MUFA dietary portfolio resulted in higher apoAI pool size (PS) compared with the low-MUFA dietary portfolio (15·9% between-diet difference, P¼0·03). This difference appeared to be mainly attributable to a reduction in apoAI fractional catabolic rate (FCR) after the high-MUFA diet (25·6%, P¼0·02 v. pre-diet values), with no significant change in production rate. The high-MUFA dietary portfolio tended to reduce LDL apoB100 PS compared with the low-MUFA dietary portfolio (228·5% between-diet that adding MUFA to a dietary portfolio of cholesterol-lowering foods provides the added advantage of raising HDL primarily through a reduction in HDL clearance rate. Replacing CHO with MUFA in a dietary portfolio may also lead to reductions in LDL apoB100 concentrations primarily by increasing LDL clearance rate, thus potentiating further the well-known cholesterol-lowering effect of this diet.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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 ».