Dietary Patterns and Components in Nonalcoholic Fatty Liver Disease (NAFLD): What Key Messages Can Health Care Providers Offer?
Notice bibliographique
Résumé
Nonalcoholic fatty liver disease (NAFLD) is a rising epidemic worldwide and will be the leading cause of cirrhosis, hepatocellular carcinoma, and liver transplant within the next decade. NAFLD is considered as the hepatic manifestation of metabolic syndrome. Behaviors, such as a sedentary lifestyle and consuming a Western diet, have led to substantial challenges in managing NAFLD patients. With no curative pharmaceutical therapies, lifestyle modifications, including dietary changes and exercise, that ultimately lead to weight loss remain the only effective therapy for NAFLD. Multiple diets, including low-carbohydrate, low-fat, Dietary Approaches to Stop Hypertension (DASH), and Mediterranean (MD) diets, have been evaluated. NAFLD patients have shown better outcomes with a modified diet, such as the MD diet, where patients are encouraged to increase the consumption of fruits and vegetables, whole grains, and olive oil. It is increasingly clear that a personalized approach to managing NAFLD patients, based on their preferences and needs, should be implemented. In our review, we cover NAFLD management, with a specific focus on dietary patterns and their components. We emphasize the successful approaches highlighted in recent studies to provide recommendations that health care providers could apply in managing their NAFLD patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».