The Effects of Selenium Supplementation on Glucose Metabolism and Lipid Profiles Among Patients with Metabolic Diseases: A Systematic Review and Meta-Analysis of Randomized Controlled Trials
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
This systematic review and meta-analysis of randomized controlled trials (RCTs) was conducted to summarize the effect of selenium administration on glucose metabolism and lipid profiles among patients with diseases related to metabolic syndrome (MetS). We searched the following databases up to May 2017: MEDLINE, EMBASE, Web of Science, and Cochrane Central Register of Controlled Trials. The relevant data were extracted and assessed for quality of the studies according to the Cochrane risk of bias tool. Data were pooled using the inverse variance method and expressed as standardized mean difference (MDs) with 95% confidence intervals (95% CI). Five studies were included in the meta-analyses. The results showed that selenium supplementation significantly reduced insulin levels (SMD -0.42; 95% CI, -0.83 to -0.01) and increased quantitative insulin sensitivity check index (QUICKI) (SMD 0.83; 95% CI, 0.58 to 1.09). Selenium supplementation had no beneficial effects on other glucose homeostasis parameters, such as fasting plasma glucose (FPG) (SMD -0.29; 95% CI, -0.73 to 0.15), homeostasis model assessment of insulin resistance (HOMA-IR) (SMD -0.80; 95% CI, -1.58 to -0.03), and lipid profiles, such as triglycerides (SMD -0.42; 95% CI, -0.83 to -0.01), VLDL- (SMD -0.42; 95% CI, -0.83 to -0.01), total- (SMD -0.42; 95% CI, -0.83 to -0.01), LDL- (SMD 0.02; 95% CI, -0.20 to 0.24), and HDL-cholesterol (SMD 0.16; 95% CI, -0.06 to -0.38). Overall, this meta-analysis showed that selenium administration may lead to an improvement in insulin and QUICKI, but did not affect FPG, HOMA-IR, and lipid profiles.
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 | 0,037 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,058 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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