MétaCan
Menu
Retour à la cohorte
Enregistrement W3003778104 · doi:10.3389/fnut.2020.00003

Medium Chain Triglycerides Modulate the Ketogenic Effect of a Metabolic Switch

2020· article· en· W3003778104 sur OpenAlexaff
Camille Vandenberghe, Valérie St‐Pierre, Mélanie Fortier, Christian‐Alexandre Castellano, Bernard Cuenoud, Stephen C. Cunnane

Notice bibliographique

RevueFrontiers in Nutrition · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésKetogenic dietNeuroscienceChemistryBiologyEpilepsy

Résumé

récupéré en direct d'OpenAlex

Ketones provide an alternative brain fuel and may be neuroprotective in older people. Little is known of how to optimize the ketogenic effect of C8:0-C10:0 medium chain triglyceride supplement (kMCT). Metabolic switching (MS) from glucose to ketones as a fuel may have metabolic benefits but has not been extensively studied in humans. The objective of the present study was to use an 8 h metabolic study day protocol to assess the influence of typical components of MS, including a kMCT supplement, low-carbohydrate meal and meal timing, on blood ketones, glucose, insulin and free fatty acids (FFA). In one test, the effect of age was also investigated. Over the 8 h metabolic study day, two 10 g doses of the kMCT increased the plasma ketone response by 19% while reducing overall glycemia by 12% without altering insulin or FFA levels. Moreover, a single early meal (breakfast but no lunch) potentiated the ketogenic effect of MS over 8 h, compared to a single delayed meal (lunch but no breakfast). Age and the low carbohydrate meal did not affect the ketones response. We conclude that an 8-h test period can be used to assess metabolic changes during short-term MS. kMCT provide a robust short-term increase in ketones and might enhance the metabolic effectiveness of short-term or intermittent fasting as a component of MS.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,011
Tête enseignante GPT0,244
Écart entre enseignants0,233 · 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'étudeObservationnel
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

Citations48
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NutritionMême sujetDiet and metabolism studiesTravaux en français237 207