Effects of higher- versus lower-protein diets on health outcomes: a systematic review and meta-analysis
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
BACKGROUND/OBJECTIVES: Numerous randomised controlled trials (RCTs) published in first tier medical journals have evaluated the health effects of diets high in protein. We conducted a rigorous systematic review of RCTs comparing higher- and lower-protein diets. METHODS: We searched several electronic databases up to July 2011 for studies focusing on patient-important outcomes (for example, cardiovascular disease) and secondary outcomes such as risk factors for chronic disease (for example, adiposity). RESULTS: We identified 111 articles reporting on 74 trials. Pooled effect sizes using standardised mean differences (SMDs) were small to moderate and favoured higher-protein diets for weight loss (SMD -0.36, 95% confidence interval (CI) -0.56 to -0.17), body mass index (-0.37, CI -0.56 to 0.19), waist circumference (-0.43, CI -0.69 to -0.16), blood pressure (systolic: -0.21, CI -0.32 to -0.09 and diastolic: -0.18, CI -0.29 to -0.06), high-density lipoproteins (HDL 0.25, CI 0.07 to 0.44), fasting insulin (-0.20, CI -0.39 to -0.01) and triglycerides (-0.51, CI -0.78 to -0.24). Sensitivity analysis of studies with lower risk of bias abolished the effect on HDL and fasting insulin, and reduced the effect on triglycerides. We observed nonsignificant effects on total cholesterol, low-density lipoproteins, C-reactive protein, HbA1c, fasting blood glucose, and surrogates for bone and kidney health. Adverse gastrointestinal events were more common with high-protein diets. Multivariable meta-regression analysis showed no significant dose response with higher protein intake. CONCLUSIONS: Higher-protein diets probably improve adiposity, blood pressure and triglyceride levels, but these effects are small and need to be weighed against the potential for harms.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,021 | 0,008 |
| 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 | 0,000 | 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