MétaCan
Menu
← Retour à la cohorte
Enregistrement W2984590511 · doi:10.1139/cjpp-2019-0458

Acute coffee ingestion with and without medium-chain triglycerides decreases blood oxidative stress markers and increases ketone levels

2019· article· en· W2984590511 sur OpenAlexvenueno aff
Matthew J. McAllister, Hunter S. Waldman, Liliana I. Rentería, Drew E. Gonzalez, Matthew Butawan, Richard J. Bloomer

Notice bibliographique

RevueCanadian Journal of Physiology and Pharmacology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensnon disponible
Organismes subventionnairesTexas State University
Mots-clésPostprandialInternal medicineMalondialdehydeEndocrinologyIngestionOxidative stressInsulinChemistryKetone bodiesCholesterolGlutathioneMedicineBiochemistryMetabolismEnzyme

Résumé

récupéré en direct d'OpenAlex

Ingestion of ketone supplements, caffeine, and medium-chain triglycerides (MCTs) may all be effective strategies to increase blood levels of the ketone body beta-hydroxybutyrate (D-BHB). However, acute ingestion of a bolus of lipids may increase oxidative stress (OS). The purpose of the study was to investigate the impact of adding varying amounts of MCTs to coffee on blood levels of D-BHB and markers of OS. Ten college-aged men ingested coffee with 0, 28, and 42 g of MCT in a randomized order. Blood samples were collected pre- as well as 2 and 4 h postprandial and analyzed for D-BHB, total cholesterol (TC), high-density lipoprotein cholesterol (HDL-c), glucose, triglycerides (TAG), insulin, and OS markers: advanced oxidation protein products (AOPP), glutathione (GSH), malondialdehyde (MDA), and hydrogen peroxide (H2O2). All three treatments resulted in a significant increase in D-BHB, HDL-c, and TC as well as a significant decrease in TAG, MDA, H2O2, and insulin. The 42 g treatment was associated with significantly higher levels of AOPP and MDA. Acute ingestion of coffee results in favorable changes to markers of cardiometabolic health that were not impacted by the addition of 28 g of MCT. However, 42 g of MCT caused significantly greater OS.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,013
Tête enseignante GPT0,274
Écart entre enseignants0,261 · 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'étudeEssai non randomisé
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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Physiology and Pharmacology→Même sujetDiet and metabolism studies→Travaux en français237 207→