Rebelling against the (Insulin) Resistance: A Review of the Proposed Insulin-Sensitizing Actions of Soybeans, Chickpeas, and Their Bioactive Compounds
Notice bibliographique
Résumé
Insulin resistance is a major risk factor for diseases such as type 2 diabetes and metabolic syndrome. Current methods for management of insulin resistance include pharmacological therapies and lifestyle modifications. Several clinical studies have shown that leguminous plants such as soybeans and pulses (dried beans, dried peas, chickpeas, lentils) are able to reduce insulin resistance and related type 2 diabetes parameters. However, to date, no one has summarized the evidence supporting a mechanism of action for soybeans and pulses that explains their ability to lower insulin resistance. While it is commonly assumed that the biological activities of soybeans and pulses are due to their antioxidant activities, these bioactive compounds may operate independent of their antioxidant properties and, thus, their ability to potentially improve insulin sensitivity via alternative mechanisms needs to be acknowledged. Based on published studies using in vivo and in vitro models representing insulin resistant states, the proposed mechanisms of action for insulin-sensitizing actions of soybeans, chickpeas, and their bioactive compounds include increasing glucose transporter-4 levels, inhibiting adipogenesis by down-regulating peroxisome proliferator-activated receptor-γ, reducing adiposity, positively affecting adipokines, and increasing short-chain fatty acid-producing bacteria in the gut. Therefore, this review will discuss the current evidence surrounding the proposed mechanisms of action for soybeans and certain pulses, and their bioactive compounds, to effectively reduce insulin resistance.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».