Fasting alters the gut microbiome reducing blood pressure and body weight in metabolic syndrome patients
Notice bibliographique
Résumé
Abstract Periods of fasting and refeeding may reduce cardiometabolic risk elevated by Western diet. Here we show in the substudy of NCT02099968, investigating the clinical parameters, the immunome and gut microbiome exploratory endpoints, that in hypertensive metabolic syndrome patients, a 5-day fast followed by a modified Dietary Approach to Stop Hypertension diet reduces systolic blood pressure, need for antihypertensive medications, body-mass index at three months post intervention compared to a modified Dietary Approach to Stop Hypertension diet alone. Fasting alters the gut microbiome, impacting bacterial taxa and gene modules associated with short-chain fatty acid production. Cross-system analyses reveal a positive correlation of circulating mucosa-associated invariant T cells, non-classical monocytes and CD4 + effector T cells with systolic blood pressure. Furthermore, regulatory T cells positively correlate with body-mass index and weight. Machine learning analysis of baseline immunome or microbiome data predicts sustained systolic blood pressure response within the fasting group, identifying CD8 + effector T cells, Th17 cells and regulatory T cells or Desulfovibrionaceae, Hydrogenoanaerobacterium, Akkermansia , and Ruminococcaceae as important contributors to the model. Here we report that the high-resolution multi-omics data highlight fasting as a promising non-pharmacological intervention for the treatment of high blood pressure in metabolic syndrome patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».