MétaCan
Menu
Retour à la cohorte
Enregistrement W2770842509 · doi:10.3390/ijms18112492

Argan Oil as an Effective Nutri-Therapeutic Agent in Metabolic Syndrome: A Preclinical Study

2017· article· en· W2770842509 sur OpenAlexafffund
Adil El Midaoui, Youssef Haddad, Younès Filali-Zegzouti, Réjean Couture

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueBiochemical effects in animals
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAdiponectinInsulin resistanceMedicineInternal medicineEndocrinologyMetabolic syndromeLeptinInsulinDiabetes mellitusObesity

Résumé

récupéré en direct d'OpenAlex

The present study aims at examining the effects of argan oil on the three main cardiovascular risk factors associated with metabolic syndrome (hypertension, insulin resistance and obesity) and on one of its main complications, neuropathic pain. Male Sprague-Dawley rats had free access to a drinking solution containing 10% d-glucose or tap water for 12 weeks. The effect of argan oil was compared to that of corn oil given daily by gavage during 12 weeks in glucose-fed rats. Glucose-fed rats showed increases in systolic blood pressure, epididymal fat, plasma levels of triglycerides, leptin, glucose and insulin, insulin resistance, tactile and cold allodynia in association with a rise in superoxide anion production and NADPH oxidase activity in the thoracic aorta, epididymal fat and gastrocnemius muscle. Glucose-fed rats also showed rises in B₁ receptor protein expression in aorta and gastrocnemius muscle. Argan oil prevented or significantly reduced all those anomalies with an induction in plasma adiponectin levels. In contrast, the same treatment with corn oil had a positive impact only on triglycerides, leptin, adiponectin and insulin resistance. These data are the first to suggest that argan oil is an effective nutri-therapeutic agent to prevent the cardiovascular risk factors and complications associated with metabolic syndrome.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,593
Score d'incertitude au seuil0,371

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,038
Tête enseignante GPT0,420
Écart entre enseignants0,382 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations14
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetBiochemical effects in animalsTravaux en français237 207