Low-protein diet accelerates wound healing in mice post-acute injury
Notice bibliographique
Résumé
BACKGROUND: Wound healing processes are influenced by macronutrient intake (protein, carbohydrate and fat). The most favourable diet for cutaneous wound healing is not known, although high-protein diets are currently favoured clinically. This experimental study investigates the optimal macronutrient balance for cutaneous wound healing using a mouse model and the Geometric Framework, a nutrient modelling method, capable of analyzing the individual and interactive effects of a wide spectrum of macronutrient intake. METHODS: ) were surgically created on the dorsal area of male C57BL/6 mice. Mice were then allocated to one of 12 high-energy diets that varied in protein, carbohydrate and fat content. In select diets, wound healing processes, cytokine expression, energy expenditure, body composition, muscle and fat reserves were assessed. RESULTS: Using the Geometric Framework, we show that a low-protein intake, coupled with a balanced intake of carbohydrate and fat is optimal for wound healing. Mice fed a low-protein diet progressed quickly through wound healing stages with favourable wound inflammatory cytokine expression and significantly accelerated collagen production. These local processes were associated with an increased early systemic inflammatory response and a higher overall energy expenditure, related to metabolic changes occurring in key macronutrient reserves in lean body mass and fat depots. CONCLUSIONS: The results suggest that a low-protein diet may have a greater potential to accelerate wound healing than the current clinically used high-protein diets.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».