MétaCan
Menu
Retour à la cohorte
Enregistrement W2761675534 · doi:10.1055/s-0043-119544

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

2017· review· en· W2761675534 sur OpenAlexaff
Reza Tabrizi, Maryam Akbari, Mahmood Moosazadeh, Kamran Bagheri Lankarani, Seyed Taghi Heydari, Fariba Kolahdooz, Ali Akbar Mohammadi, Azade Shabani, Bita Badehnoosh, Mehri Jamilian, Amin Assarian, Zatollah Asemi

Notice bibliographique

RevueHormone and Metabolic Research · 2017
Typereview
Langueen
DomaineNursing
ThématiqueSelenium in Biological Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialMeta-analysisSeleniumMedicineInternal medicineLipid metabolismEndocrinologyCarbohydrate metabolismChemistry

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,038
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0250,038
Bibliométrie0,0090,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,421
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHormone and Metabolic ResearchMême sujetSelenium in Biological SystemsTravaux en français237 207