Lipid-lowering nutraceuticals update on scientific evidence
Notice bibliographique
Résumé
: Cardiovascular diseases (CVDs) are the main cause of mortality worldwide. Risk factors of CVD can be classified into modifiable (smoking, hypertension, diabetes, hypercholesterolemia) through lifestyle changes or taking drug therapy and not modifiable (age, ethnicity, sex and family history). Elevated total cholesterol (TC) and low-density lipoprotein-cholesterol (LDL-C) levels have a lead role in the development of coronary heart disease (CHD), while high levels of high-density lipoprotein-cholesterol (HDL-C) seem to have a protective role.The current treatment for dyslipidemia consists of lifestyle modification or drug therapy even if not pharmacological treatment should be always considered in addition to lipid-lowering medications.The use of lipid-lowering nutraceuticals alone or in association with drug therapy may be considered when the atherogenic cholesterol goal was not achieved.These substances can be classified according to their mechanisms of action into natural inhibitors of intestinal cholesterol absorption, inhibitors of hepatic cholesterol synthesis and enhancers of the excretion of LDL-C. Nevertheless, many of them are characterized by mixed or unclear mechanisms of action.The use of these nutraceuticals is suggested in individuals with borderline lipid profile levels or with drug intolerance, but cannot replace standard lipid-lowering treatment in patients at high, or very high CVD risk.Nutraceuticals can also have vascular effects, including improvement in endothelial dysfunction and arterial stiffness, as well as antioxidative properties. Moreover, epidemiological and clinical studies reported that in patients intolerant of statins, many nutraceuticals with demonstrated hypolipidemic effect are well tolerated.
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 | 0,011 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».