MétaCan
Menu
Retour à la cohorte
Enregistrement W3098585040 · doi:10.1021/acs.jafc.0c05759

Conjugated Fatty Acids in Muscle Food Products and Their Potential Health Benefits: A Review

2020· review· en· W3098585040 sur OpenAlexaff
Jiankang Wang, Linxiao Han, Daoying Wang, Pengpeng Li, Fereidoon Shahidi

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2020
Typereview
Langueen
DomaineNursing
ThématiqueFatty Acid Research and Health
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPolyunsaturated fatty acidConjugated linoleic acidFood scienceAdiponectinBiochemistryDocosahexaenoic acidConjugated systemBiologyChemistryBiotechnologyLinoleic acidInsulinFatty acidInsulin resistanceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Conjugated fatty acids (CFAs) are a group of positional and geometric isomers of polyunsaturated fatty acids (PUFAs) with conjugated double bonds. There are several subgroups of CFAs including conjugated linoleic acids (CLAs), conjugated linolenic acids (CLNAs), conjugated eicosapentaenoic acids (CEPAs), and conjugated docosahexaenoic acids (CDHAs). CFAs, especially CLAs, have been studied in recent years both for their health benefits and factors that affect their level in muscle food products. CFAs have been reported in numerous studies as having antitumor, antiobesity, antidiabetes, anticardiovascular disease, and modulating immune system effects. These biological activies are involved in changes of lipid peroxidation and energy expenditure, as well as inhibitory effects on the hormone receptor, lipid metabolism, lipoprotein lipase activity, and adiponectin production. A large body of studies has revealed that the diet, processing, storage conditions, slaughter season, and age are common factors that affect CFA content in muscle food products, as detailed in this review. Recommendations are made regarding animal farming and meat product processing to obtain high CFA content meat products and to optimize the benefits of CFA for health promotion.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,037
Tête enseignante GPT0,291
Écart entre enseignants0,254 · 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'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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetFatty Acid Research and HealthTravaux en français237 207