Usefulness of resveratrol supplementation in decreasing cardiometabolic risk factors comparing subjects with metabolic syndrome and healthy subjects with or without obesity: meta-analysis using multinational, randomised, controlled trials
Notice bibliographique
Résumé
Introduction Resveratrol (RES), a natural polyphenolic compound, has been linked to some beneficial effects against cardiovascular disease (CVD). Material and methods We conducted a systematic search to conduct a meta-analysis on cardiometabolic risk factors modulated by RES targeting patients with metabolic syndrome (Met-S) and Obese/Healthy (O/H) subjects. The PICO (Patient, Intervention, Comparison, Outcome) research question was: Does RES among patients with Met-S and O/H subjects reduce the cardiometabolic risk? The first group was affected with MetS, which is defined as a clustering of abdominal obesity, dyslipidaemia, hyperglycaemia, and hypertension in a single individual. The second group was composed of ‘obese/healthy’ individuals, i.e. healthy subjects with or without obesity. We performed a literature search of MEDLINE/ PubMed, Scopus, and Google Scholar for randomised, controlled trials (RCT) that estimated the effects of RES on cardiometabolic risk factors. Results We found 780 articles, of which 63 original articles and reviews were identified. Data from 17 well-conducted RCT studies, comprising 651 subjects, were extracted for analysis. Overall, RES had a significant influence on Homeostatic Model Assessment-Insulin Resistance (HOMA-IR), resulting in a mean difference of –0.520665 (95% CI: –1.12791; –0.01439; p = 0.00113). In Met-S, RES significantly reduced glucose, low-density lipoprotein-cholesterol (LDL-C), and total cholesterol (T-Chol) as detected by the mean difference of –1.069 (95% CI: –2.107, –0.032; p = 0.043), –0.924 (95% CI: –1.804, –0.043; p = 0.040), and –1.246 (95% CI: –2.314, –0.178; p = 0.022), respectively. Conclusions Despite some heterogeneity in the populations, RES supplementation seems to improve cardiometabolic health, decreasing some risk factors (HOMA-IR, LDL-C, and T-Chol) associated with CVD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,048 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».