Effect of konjac glucomannan soluble fiber, on clinical lipid targets: A systematic review and meta‐analysis of RCTs
Notice bibliographique
Résumé
Background Current evidence suggests that the consumption of konjac glucomannan (KJM), a viscous soluble fiber, may significantly reduce LDL cholesterol. However, it is less known whether KJM has an effect on two newer clinical lipid targets in cardiovascular disease risk management. Objective To quantify the effect of KJM fiber on LDL cholesterol, non‐HDL cholesterol and apolipoprotein B reduction in a systematic review and meta‐analysis of randomized controlled trials (RCTs) in the general population. Design MEDLINE, Embase, CINAHL, and Cochrane CENTRAL was searched. Data were extracted by two independent reviews. Eligible studies included RCTs of ≥ 3 weeks follow‐up duration assessing the effect of KJM on LDL cholesterol, non‐HDL cholesterol, or apolipoprotein B. Using the statistical software RevMan (v5.3), the data were pooled using the generic inverse variance method with random effects models and expressed as mean differences (MD) with 95% confidence intervals (CI). Heterogeneity was assessed by the Cochran Q statistic and quantified by the I 2 statistic. Results A total of 12 studies (n = 370), 8 in adults and 4 in children, were included in the meta‐analysis. KJM significantly reduced LDL cholesterol (MD = −0.35 [−0.46, −0.25] mmol/L) and non‐HDL cholesterol (MD = −0.32 [−0.46, −0.19] mmol/L). It did not appear to affect apoB, based on the results from 6 trials. Conclusion Consumption of approximately 3 g/d of KJM reduced significantly LDL cholesterol and non‐HDL cholesterol by 10% and 7%, respectively. The information may be of interest to health agencies in crafting future dietary recommendations related to cardiovascular disease risk management.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; 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 ».