MétaCan
Menu
Retour à la cohorte
Enregistrement W3211039356 · doi:10.1016/j.fochx.2021.100149

Grape bioactive molecules, and the potential health benefits in reducing the risk of heart diseases

2021· review· en· W3211039356 sur OpenAlexafffund
Ali S. Sabra, Thomas Netticadan, Champa Wijekoon

Notice bibliographique

RevueFood Chemistry X · 2021
Typereview
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésNutraceuticalHealth benefitsAntioxidantCoronary heart diseaseCardiovascular healthAntimicrobialGrape seed extractFood scienceFunctional foodChemistryMedicineBiotechnologyDiseaseTraditional medicineBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Grapes are a rich source of bioactive molecules including phenolic acids, flavonoids, anthocyanins, stilbenes, and lipids. These are the compounds which contribute to the health benefits of grape and grape-derived products. They possess antioxidant, antimicrobial, anti-inflammatory, and anti-carcinogenic activities and have wide applications in food and nutraceutical industries. Use of grape extracts rich in these bioactive compounds are linked to reduced incidence of cardiovascular disease and its major risk factors including hypertension (high blood pressure); a clinical condition associated with high mortality worldwide. Therefore, considerable attention has been given to grape-based products to alleviate and treat hypertension. The aim of this review is to summarize the bioactive compounds of grapes, composition changes in different grape extracts and the potential benefits in reducing hypertension.

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 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 candidatesaucune
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 enseignants0,880
Score d'incertitude au seuil0,541

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,286
Écart entre enseignants0,267 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations143
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFood Chemistry XMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207