Effect of Consuming Oat Bran Mixed in Water before a Meal on Glycemic Responses in Healthy Humans—A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Viscous dietary fibers including oat β-glucan are one of the most effective classes of functional food ingredients for reducing postprandial blood glucose. The mechanism of action is thought to be via an increase in viscosity of the stomach contents that delays gastric emptying and reduces mixing of food with digestive enzymes, which, in turn, retards glucose absorption. Previous studies suggest that taking viscous fibers separate from a meal may not be effective in reducing postprandial glycemia. METHODS: We aimed to re-assess the effect of consuming a preload of a commercially available oat-bran (4.5, 13.6 or 27.3 g) containing 22% of high molecular weight oat β-glucan (O22 (OatWell(®)22)) mixed in water before a test-meal of white bread on glycemic responses in 10 healthy humans. RESULTS: We found a significant effect of dose on blood glucose area under the curve (AUC) (p = 0.006) with AUC after 27.3 g of O22 being significantly lower than white bread only. Linear regression analysis showed that each gram of oat β-glucan reduced glucose AUC by 4.35% ± 1.20% (r = 0.507, p = 0.0008, n = 40) and peak rise by 6.57% ± 1.49% (r = 0.582, p < 0.0001). CONCLUSION: These data suggest the use of oat bran as nutritional preload strategy in the management of postprandial glycemia.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».