Effects of Intake of Soy and Non-Soy Legume on Serum HDL-Cholesterol Levels
Notice bibliographique
Résumé
High-density lipoprotein (HDL) has been shown to have a variety of functions that contribute to anti-atherogenesis. Here we review meta-analyses on the effects of intake of soy protein and isoflavones on serum HDL-cholesterol (HDL-C) levels, and we would also review meta-analysis on the effects of intake of non-soy legume on serum HDL-C, to make “Dietary Reference Intake for Japanese 2020”. We searched meta-analyses of randomized, placebo-controlled trials. A search was conducted by using PubMed, Embase and Google Scholar, with the following keywords: soy and HDL and meta-analysis. The search period was comprised from 2007 up to July 2018. We found three meta-analyses about effects of intake of soy protein and isoflavones on HDL-C after 2007. All meta-analyses reported that intake of soy protein and isoflavones was associated with a significant increase of HDL-C. We found the meta-analysis which evaluated effects of intake of non-soy legume on HDL-C, in which a significant association of intake of non-soy legume with HDL-C was not obtained due to a significant heterogeneity of collected data. In conclusion, intake of soy was significantly associated with elevation of HDL-C; however, non-soy consumption was not associated with a significant increase of HDL. J Endocrinol Metab. 2018;8(5):83-86 doi: https://doi.org/10.14740/jem524w
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,023 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».