The Effect of Oat Beta‐Glucan on Clinical Lipid Markers for Cardiovascular Disease Risk Reduction: A Systematic Review & Meta‐Analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
Background Oats are a rich source of β‐glucan, a viscous soluble fibre recognized for its cholesterol lowering properties, and are associated with reduced risk of cardiovascular disease. Objective To conduct a systematic review and meta‐analysis of RCTs investigating the cholesterol lowering potential of oat β‐glucan on LDL‐C, non‐HDL‐C, and apoB, for the risk reduction of cardiovascular disease. Design MEDLINE, Embase, CINAHL, and the Cochrane Central Register of Controlled Trials were searched. We included Only RCTs of ≥ 3 weeks duration assessing the effect of diets enriched with oat β‐glucan compared with controlled diets on LDL‐C, non‐HDL‐C, or apoB. Two independent reviewers extracted relevant data and assessed study quality and risk of bias. Data were pooled using the generic inverse variance method with random effects models and expressed as mean differences (MD) with 95% confidence intervals (CIs). Heterogeneity was assessed by the Cochran Q statistic and quantified by the I 2 statistic. Results 58 trials (N = 3952) were included in the final analysis. A median dose of 3.5 g/day of oat β‐glucan significantly lowered LDL‐C (MD = −0.19 mmol/L [95% CI: −0.23, −0.14] P < 0.00001) non‐HDL‐C (MD = −0.20 mmol/L [95% CI: −0.26, −0.15] P < 0.00001) and apoB (MD = −0.03 g/L [95% CI: −0.05, −0.02] P < 0.0001) compared to control interventions. There was evidence of considerable unexplained heterogeneity in the analysis of LDL‐C (I 2 = 79%) and non‐HDL‐C (I 2 = 99%). Conclusion Pooled analyses show that oat β‐glucan have a lowering effect on LDL‐C, non‐HDL‐C, and apoB. Inclusion of oat containing foods may be a strategy for achieving targets in cardiovascular disease reduction.
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 | 0,177 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,078 | 0,139 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».