MétaCan
Menu
Retour à la cohorte
Enregistrement W2972264895 · doi:10.1038/s41540-019-0108-1

Logical design of oral glucose ingestion pattern minimizing blood glucose in humans

2019· article· en· W2972264895 sur OpenAlexfundno aff
Masashi Fujii, Yohei Murakami, Yasuaki Karasawa, Yohei Sumitomo, Suguru Fujita, Masanori Koyama, Shinsuke Uda, Hiroyuki Kubota, Hiroshi Inoue, Katsumi Konishi, Shigeyuki Oba, Shin Ishii, Shinya Kuroda

Notice bibliographique

Revuenpj Systems Biology and Applications · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensnon disponible
Organismes subventionnairesCore Research for Evolutional Science and TechnologyInstitute of GeneticsJapan Science and Technology AgencyJapan Society for the Promotion of ScienceMinistry of Education, Culture, Sports, Science and TechnologyKayamori Foundation of Informational Science AdvancementKayamori Foundation of Informational Science
Mots-clésIngestionMedicineIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Excessive increase in blood glucose level after eating increases the risk of macroangiopathy, and a method for not increasing the postprandial blood glucose level is desired. However, a logical design method of the dietary ingestion pattern controlling the postprandial blood glucose level has not yet been established. We constructed a mathematical model of blood glucose control by oral glucose ingestion in three healthy human subjects, and predicted that intermittent ingestion 30 min apart was the optimal glucose ingestion patterns that minimized the peak value of blood glucose level. We confirmed with subjects that this intermittent pattern consistently decreased the peak value of blood glucose level. We also predicted insulin minimization pattern, and found that the intermittent ingestion 30 min apart was optimal, which is similar to that of glucose minimization pattern. Taken together, these results suggest that the glucose minimization is achieved by suppressing the peak value of insulin concentration, rather than by enhancing insulin concentration. This approach could be applied to design optimal dietary ingestion patterns.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,300
Écart entre enseignants0,262 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj Systems Biology and ApplicationsMême sujetDiet and metabolism studiesTravaux en français237 207