Comparative effects of different whole grains and brans on blood lipid: a network meta-analysis
Notice bibliographique
Résumé
PURPOSE: The comparative effects of different whole grains and brans on blood lipid are still not totally elucidated. We aimed to estimate and rank the effects of different whole grains and brans on the control of blood lipid. METHODS: We performed a strategic literature search of PubMed, EMBASE and the Cochrane Library for relevant trials. Both pairwise meta-analyses and network meta-analyses were conducted to compare and rank the intervention strategies of whole grains and brans for the control of total cholesterol (TC), LDL cholesterol (LDL-C), HDL cholesterol (HDL-C), and triglycerides (TG). RESULTS: Fifty-five eligible trials with a total of 3900 participants were included. Cumulative ranking analyses showed that oat bran was the most effective intervention strategy for TC and LDL-C improvements, with significant decreases of - 0.35 mmol/L (95% CI - 0.47, - 0.23 mmol/L) and - 0.32 mmol/L (95% CI - 0.44, - 0.19 mmol/L) in TC and LDL-C compared with control, respectively. In comparison with control, oat was associated with significant reductions in TC by - 0.26 mmol/L (95% CI - 0.36, - 0.15 mmol/L) and LDL-C by - 0.17 mmol/L (95% CI - 0.28, - 0.07 mmol/L), which was ranked as the second best treatment. Barley, brown rice, wheat and wheat bran were shown to be ineffective in improving blood lipid compared with control. CONCLUSIONS: This network meta-analysis suggests that oat bran and oat are ranked higher than any other treatments for the regulations of TC and LDL-C, indicating that increasing oat sources of whole grain may be recommended for lipid control.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,042 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».