Impact of Treatment with RUTF on Plasma Lipid Profiles of Severely Malnourished Pakistani Children
Notice bibliographique
Résumé
(1) Background: Little is known on impacts of ready-to-use therapeutic food (RUTF) treatment on lipid metabolism in children with severe acute malnutrition (SAM). (2) Methods: We analyzed glycerophospholipid fatty acids (FA) and polar lipids in plasma of 41 Pakistani children with SAM before and after 3 months of RUTF treatment using gas chromatography and flow-injection analysis tandem mass spectrometry, respectively. Statistical analysis was performed using univariate, multivariate tests and evaluated for the impact of age, sex, breastfeeding status, hemoglobin, and anthropometry. (3) Results: Essential fatty acid (EFA) depletion at baseline was corrected by RUTF treatment which increased EFA. In addition, long-chain polyunsaturated fatty acids (LC-PUFA) and the ratio of arachidonic acid (AA)/linoleic acid increased reflecting greater EFA conversion to LC-PUFA, whereas Mead acid/AA decreased. Among phospholipids, lysophosphatidylcholines (lyso.PC) were most impacted by treatment; in particular, saturated lyso.PC decreased. Higher child age and breastfeeding were associated with great decrease in total saturated FA (ΣSFA) and lesser decrease in monounsaturated FA and total phosphatidylcholines (ΣPC). Conclusions: RUTF treatment improves EFA deficiency in SAM, appears to enhance EFA conversion to biologically active LC-PUFA, and reduces lipolysis reflected in decreased ΣSFA and saturated lyso.PC. Child age and breastfeeding modify treatment-induced changes in ΣSFA and ΣPC.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».