MétaCan
Menu
Retour à la cohorte
Enregistrement W3176335723 · doi:10.1096/fasebj.26.1_supplement.819.17

Acute effects of pistachios on glucose, insulin, gut hormones and satiety in persons with metabolic syndrome

2012· article· en· W3176335723 sur OpenAlexaff
Cyril W.C. Kendall, Janice Campbell, Alexandra L. Jenkins, David J.A. Jenkins

Notice bibliographique

RevueThe FASEB Journal · 2012
Typearticle
Langueen
DomaineNursing
ThématiqueNuts composition and effects
Établissements canadiensGlycemic Index LaboratoriesUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPostprandialMealMedicineFood scienceMetabolic syndromeDiabetes mellitusInsulinCarbohydrateInternal medicineEndocrinologyBiology

Résumé

récupéré en direct d'OpenAlex

Background Nut consumption has been found to decrease risk of CHD and diabetes, and to promote healthy body weights, possibly related to their favorable macronutrient profile. Methods 20 subjects with metabolic syndrome as defined by NCEP ATP III guidelines were recruited. Each subject participated in a total of 5 breakfast study meals over 5–10wks. Study meal order was randomized. Meals were consumed after an overnight fast. Meal 1 was a control meal of white bread (50g available CHO). Meals 2 (white bread, butter and cheese) and 3 (white bread plus 3oz pistachios) had similar macronutrient profiles. Meals 4 (white bread) and 5 (3oz pistachios alone) had the same amount of available CHO (12g). Results and Conclusions The addition of pistachios to a carbohydrate meal decreased postprandial glucose levels similar to other sources of fat and protein but may have insulin sparing properties. Pistachios consumed alone appeared to increase GIP and GLP‐1 levels. Both insulin sparing and increased GLP‐1 levels associated with pistachio consumption may be beneficial properties for individuals with diabetes and metabolic syndrome. Supported by the American Pistachio Growers

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,007
Tête enseignante GPT0,230
Écart entre enseignants0,223 · 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'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetNuts composition and effectsTravaux en français237 207