Glucagon Like Peptide 1 and Evidence Around Diabetes Specific Nutrition
Notice bibliographique
Résumé
There has been significant research and development in pharmaco-therapeutic molecules for management of type 2 diabetes mellitus (T2DM). Diabetes specific nutrition intervention & newer incretin-based therapies have gained a lot of attention. Since incretins play an essential role in augmenting the post-prandial release of insulin, it is important to understand the science behind incretins and modulation of same by diabetic-specific nutrition (DSN). The purpose of this article is to summarize the available science around glucagon like peptide 1 (GLP-1) and the known role of nutrition, particularly diabetes specific nutrition. Literature published in PubMed, Google scholar and Embase were studied up to the end of August 2018. The key words of GLP-1, T2DM and Nutrients were used in different combinations. It was found that macronutrient aspects of DSN like complex carbohydrate, soluble fibre, proteins and high monounsaturated fatty acids augment GLP-1 secretion from intestinal L-cells. This may be attributed to insulin-trophic effects of DSN as well as its effects in causing deceleration in gastric emptying and reducing food intake. Hence, it was concluded that augmenting GLP-1 secretion in response to the intake of certain nutrients helps in modulating insulin secretion, metabolic homeostasis as well as decelerating gastric emptying and reducing food intake. DSN increases endogenous GLP-1 secretion which in turn improves insulin secretion and sensitivity. Thus, integrating DSN in mainstay diabetes management plans may result in better glycaemic and metabolic controls, particularly when GLP-1 based therapies are concurrently in use. Key Messages: DSN containing complex carbohydrate, soluble fibre, proteins and high monounsaturated fatty acids (MUFAs) augments GLP-1 secretion which in turn improves insulin secretion and sensitivity.
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 | 0,004 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».