MétaCan
Menu
Retour à la cohorte
Enregistrement W3096725799 · doi:10.1093/nutrit/nuaa109

Natural abundance carbon isotope ratio analysis and its application in the study of diet and metabolism

2020· review· en· W3096725799 sur OpenAlexafffund
R. J. Scott Lacombe, Richard P. Bazinet

Notice bibliographique

RevueNutrition Reviews · 2020
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésIsotopes of carbonIsotope analysisEnvironmental chemistryAbundance (ecology)Carbon fibersIsotopeIsotope-ratio mass spectrometryNatural abundanceStable isotope ratioChemistryEnvironmental scienceBiologyEcologyTotal organic carbonMass spectrometryMaterials science

Résumé

récupéré en direct d'OpenAlex

Due to differences in carbon assimilation pathways between plants, there are subtle but distinct variations in the carbon isotope ratios of foods and animal products throughout the food supply. Although it is well understood that the carbon isotope ratio composition of the diet influences that of the consumers' tissues, the application of natural abundance carbon isotope ratio analysis in nutrition has long been underappreciated. Over the past decade, however, several studies have investigated the utility of carbon isotope ratio analysis for evaluation of nutritional biomarker status, primarily focusing on its application as an objective indicator of sugar and animal protein intake. More recently, research investigating the application of natural abundance measurements has been extended to study fatty acid metabolism and has yielded encouraging results. Collectively, data from large-scale observational studies and experimental animal studies highlight the potential for carbon isotope ratio analysis as an additional and effective tool to study diet and metabolism. The purpose of this review is to provide an overview of natural abundance carbon isotope ratio analysis, its application to studying nutrition, and an update of the research in the field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,665

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,002
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)0,0000,000

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 Opus0,024
Tête enseignante GPT0,309
Écart entre enseignants0,284 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrition ReviewsMême sujetIsotope Analysis in EcologyTravaux en français237 207