Effect of Blending and the Simultaneous Ingestion of a Probiotic Containing Oxalate-Degrading Bacteria on Oxalate Absorption
Notice bibliographique
Résumé
Both a high dietary oxalate intake and increased gastrointestinal absorption can lead to elevated urinary oxalate, a risk factor for kidney stone formation. Numerous studies have assessed whether daily ingestion of a probiotic containing oxalate-degrading bacteria can reduce urinary oxalate/oxalate absorption, but it appears only one previous study assessed whether the simultaneous ingestion of oxalate-degrading probiotic bacteria consumed with an oxalate load can exert this effect. This was assessed in the present study in a population of 11 healthy non-stone formers (6 males, 5 females), aged 21 – 37 y, using the probiotic VSL#3®. A spinach-sweet potato mixture provided an oxalate dose of 534 mg and urine samples were collected for a 22 h period post-oxalate ingestion. An additional objective was to assess the effect of blending oxalate-containing foods on oxalate absorption. The overall results suggested that the spinach and sweet potato provided oxalate of low bioavailability. Changing the texture of these foods by blending did not have an effect on oxalate absorption nor was VSL#3® effective in reducing urinary oxalate levels. VSL#3® may have been more effective if the oxalate dose had been provided in a more bioavailable form leading to a higher initial oxalate absorption/urinary oxalate excretion.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».