Evidence that supports the prescription of low-carbohydrate high-fat diets: a narrative review
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
Low-carbohydrate high-fat (LCHF) diets are a highly contentious current topic in nutrition. This narrative review aims to provide clinicians with a broad overview of the effects of LCHF diets on body weight, glycaemic control and cardiovascular risk factors while addressing some common concerns and misconceptions. Blood total cholesterol and LDL-cholesterol concentrations show a variable, highly individual response to LCHF diets, and should be monitored in patients adhering to this diet. In contrast, available evidence from clinical and preclinical studies indicates that LCHF diets consistently improve all other markers of cardiovascular risk—lowering elevated blood glucose, insulin, triglyceride, ApoB and saturated fat (especially palmitoleic acid) concentrations, reducing small dense LDL particle numbers, glycated haemoglobin (HbA 1c ) levels, blood pressure and body weight while increasing low HDL-cholesterol concentrations and reversing non-alcoholic fatty liver disease (NAFLD). This particular combination of favourable modifications to all these risk factors is a benefit unique to LCHF diets. These effects are likely due in part to reduced hunger and decreased ad libitum calorie intake common to low-carbohydrate diets, allied to a reduction in hyperinsulinaemia, and reversal of NAFLD. Although LCHF diets may not be suitable for everyone, available evidence shows this eating plan to be a safe and efficacious dietary option to be considered. LCHF diets may also be particularly beneficial in patients with atherogenic dyslipidaemia, insulin resistance, and the frequently associated NAFLD.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 découle