MétaCan
Menu
Retour à la cohorte
Enregistrement W2975168091 · doi:10.1108/nfs-06-2019-0182

A dose-response and meta-analysis of phytosterols consumption on liver enzymes

2019· article· en· W2975168091 sur OpenAlexaff
Somayeh Tajik, Kevan Jacobson, Sam Talaei, Hamed Kord‐Varkaneh, Zeinab Noormohammadi, Ammar Salehi‐Sahlabadi, Mehran Pezeshki, Jamal Rahmani, Azita Hekmatdoost

Notice bibliographique

RevueNutrition & Food Science · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCholesterol and Lipid Metabolism
Établissements canadiensBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMeta-analysisLiver enzymeInternal medicineMedicineLiver functionGastroenterologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Purpose The results of human studies evaluating the efficacy of plant Phytosterols on liver function were inconsistent. Therefore, the purpose of this paper is to eliminate these controversies about the Phytosterols consumption on liver serum biochemistry in adult subjects. Design/methodology/approach The literatures systematically searched throughout PubMed and Scopus databases up to June 2018; it was conducted by using related keywords. Estimates of effect sizes were expressed based on weighted mean difference (WMD) and 95% CI from the random-effects model (erSimonian and Laird method). Heterogeneity across studies was assessed by using I2 index. Eighteen studies reported the effects of Phytosterols (PS) supplementation on liver serum biochemistry. Findings The current meta-analysis did not show a significant effect on ALT (MD: 0.165 U/L, 95% CI: −1.25, 1.58, p = 0.820), AST (MD: −0.375 IU/Liter, 95% CI: −1.362, 0.612, p = 0.457), ALP (MD: 0.804 cm, 95% CI: −1.757, 3.366, p = 0.538), GGT (MD: 0.431 U/L, 95% CI: −1.803, 2.665, p = 0.706) and LDH (MD: 0.619 U/L, 95% CI: −4.040, 5.277, p = 0.795) following PS consumption. Originality/value The authors found that no protective or toxic effects occur after the consumption of Phytosterols on liver enzymes including ALT, AST, ALP, LDH and GGT.

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)0,014
score de la tête « metaresearch » (Gemma)0,023
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,023
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0160,058
Bibliométrie0,0050,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
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 Opus0,085
Tête enseignante GPT0,320
Écart entre enseignants0,235 · 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
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrition & Food ScienceMême sujetCholesterol and Lipid MetabolismTravaux en français237 207