MétaCan
Menu
Retour à la cohorte
Enregistrement W2941101778 · doi:10.1093/jn/nxz020

A Meta-Analysis of 46 Studies Identified by the FDA Demonstrates that Soy Protein Decreases Circulating LDL and Total Cholesterol Concentrations in Adults

2019· review· en· W2941101778 sur OpenAlexafffund
Sonia Blanco Mejía, Mark Messina, Siying S. Li, Effie Viguiliouk, Laura Chiavaroli, Tauseef Khan, Korbua Srichaikul, Arash Mirrahimi, John L. Sievenpiper, Penny M. Kris‐Etherton, David J.A. Jenkins

Notice bibliographique

RevueJournal of Nutrition · 2019
Typereview
Langueen
DomaineMedicine
ThématiquePhytoestrogen effects and research
Établissements canadiensQueen's UniversityUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesInstitute of Nutrition, Metabolism and DiabetesObesity CanadaAgriculture and Agri-Food CanadaEuropean Association for the Study of DiabetesUniversity of TorontoCanadian Society of Endocrinology and MetabolismCanada Foundation for InnovationNational Cattlemen's Beef AssociationPhysicians Committee for Responsible MedicineCoca-Cola FoundationLoblaw Companies LimitedInternational Sweeteners AssociationAlberta Pulse Growers CommissionSociety for EndocrinologyDanish Cancer Society Research CenterPhysicians' Services Incorporated FoundationPeanut InstituteCanadian Nutrition SocietyGlycemic Index FoundationBanting and Best Diabetes Centre, University of TorontoU.S. Department of AgricultureKellogg'sCanadian Cardiovascular SocietyDanoneDiabetes CanadaSoy Nutrition InstituteSaskatchewan Pulse GrowersInternational Nut and Dried Fruit CouncilAlmond Board of CaliforniaCalifornia Strawberry CommissionGovernment of CanadaSt. Michael's Hospital FoundationDairy Farmers of CanadaCanadian Institutes of Health ResearchPepsiCo
Mots-clésSoy proteinCholesterolMedicineInternal medicinePlant proteinCholesterol loweringCardiovascular healthLdl cholesterolFood scienceEndocrinologyChemistryDisease

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0100,021
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,248
Tête enseignante GPT0,428
Écart entre enseignants0,180 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations142
Publié2019
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueJournal of NutritionMême sujetPhytoestrogen effects and researchTravaux en français237 207