The Distribution of Fatty Acid Biomarkers of Dairy Intake across Serum Lipid Fractions: The Prospective Metabolism and Islet Cell Evaluation (PROMISE) Cohort
Notice bibliographique
Résumé
Circulating fatty acids (FA) derived largely from dairy consumption have most commonly been measured in total human serum or phospholipid (PL) fractions, and have been used as validated biomarkers of dairy intake in a growing number of epidemiological studies. Nevertheless, measurement and characterization of a wider spectrum of FA biomarkers of dairy across the four major serum lipid fractions is lacking. This study aimed to (1) quantify FA biomarkers of dairy in PL, triacylglycerol (TAG), cholesteryl ester (CE), and unesterified fatty acid (FFA) serum lipid fractions; and (2) identify potential demographic and metabolic factors that may modify the proportions of these FA across serum fractions. Baseline data from 444 adults in the PROMISE cohort were analyzed. FA biomarkers, 15:0, t16:1n-7, 18:2-c9,t11, and t18:1n-7 were quantified from serum. Dairy intake was estimated using the validated Canadian Diet History Questionnaire. Our results show that t18:1n-7 was the most abundant FA biomarker in all fractions except CE, where 18:2-c9,t11 was the most abundant. Positive correlations within fractions, and across FA in the PL, CE, and FFA fractions were found, however, TAG FA were negatively correlated with the other fractions. PL and CE FA were positively associated with dairy intake, and negatively associated with markers of dysmetabolism while, in contrast, these markers were predictors of higher TAG dairy FA. This study is the first to demonstrate distinct proportions of dairy FA in different serum lipid fractions. PL and CE FA marked dairy intake in this cohort, while TAG FA appeared to be markers of dysmetabolism.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».