MétaCan
Menu
Retour à la cohorte
Enregistrement W3185525431 · doi:10.3390/cells10071805

Diet-Induced Models of Non-Alcoholic Fatty Liver Disease: Food for Thought on Sugar, Fat, and Cholesterol

2021· review· en· W3185525431 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueCells · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensUniversité de MontréalMontreal Clinical Research Institute
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFatty liverDiseaseFructoseAdded sugarDietary SucroseMedicineCholesterolSteatohepatitisObesityBioinformaticsInternal medicinePhysiologyEndocrinologyBiologyFood science

Résumé

récupéré en direct d'OpenAlex

Non-alcoholic fatty liver disease (NAFLD) affects approximately 1 in 4 people worldwide and is a major burden to health care systems. A major concern in NAFLD research is lack of confidence in pre-clinical animal models, raising questions regarding translation to humans. Recently, there has been renewed interest in creating dietary models of NAFLD with higher similarity to human diets in hopes to better recapitulate disease pathology. This review summarizes recent research comparing individual roles of major dietary components to NAFLD and addresses common misconceptions surrounding frequently used diet-based NAFLD models. We discuss the effects of glucose, fructose, and sucrose on the liver, and how solid vs. liquid sugar differ in promoting disease. We consider studies on dosages of fat and cholesterol needed to promote NAFLD versus NASH, and discuss important considerations when choosing control diets, mouse strains, and diet duration. Lastly, we provide our recommendations on amount and type of sugar, fat, and cholesterol to include when modelling diet-induced NAFLD/NASH in mice.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,877
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
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)0,0000,000

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 Opus0,091
Tête enseignante GPT0,337
Écart entre enseignants0,246 · 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