Fatty acids as biomarkers of total dairy and dairy fat intakes: a systematic review and meta-analysis
Notice bibliographique
Résumé
Context: Dairy intake in humans is commonly assessed using questionnaires, but the data collected are often biased. As a result, there is increasing interest in biomarkers of dairy fat. To date, there has been no overview of the fatty acids suitable for use as biomarkers of dairy fat intake. Objective: This systematic review and meta-analysis of observational studies was performed to identify circulating fatty acids as biomarkers of total dairy and dairy fat intakes in the general population. Data Sources: MEDLINE, Embase, and Web of Knowledge databases were searched for eligible studies published until June 2017. Study Selection: Articles were included when a correlation between circulating dairy fatty acids and intakes of total dairy and dairy fat was found, as measured by dietary assessment tools. Data Extraction: Two authors extracted data independently and assessed the risk of bias. An adapted form of the Newcastle-Ottawa Scale was used for quality assessment. Results: Data were pooled using the random-effects model. Meta-analysis revealed that the fatty acids in plasma/serum were significantly correlated with intakes of total dairy (C14:0 [r = 0.15; 95%CI, 0.11 - 0.18], C15:0 [r = 0.20; 95%CI, 0.13 - 0.27], and C17:0 [r = 0.10; 95%CI, 0.03 - 0.16] and dairy fat (C14:0 [r = 0.16; 95%CI, 0.10 - 0.22], C15:0 [r = 0.33; 95%CI, 0.27 - 0.39], C17:0 [r = 0.19; 95%CI, 0.14 - 0.25], and trans-C16:1n-7 [r = 0.21; 95%CI, 0.14 - 0.29). Conclusions: C14:0, C15:0, C17:0, and trans-C16:1n-7 were identified as biomarkers of total dairy and dairy fat intakes in the general population. In light of the suboptimal measurement techniques used in some studies, correlations with trans-C18:1n-7 and conjugated linoleic acid require further investigation.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».