MétaCan
Menu
Retour à la cohorte
Enregistrement W4210799677 · doi:10.1096/fasebj.22.1_supplement.890.24

The effect of adding strawberries to a cholesterol‐lowering dietary portfolio on markers of oxidative stress

2008· article· en· W4210799677 sur OpenAlexaboutno aff

Notice bibliographique

RevueThe FASEB Journal · 2008
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTBARSFood scienceOxidative stressChemistryCholesterolAntioxidantOxidative phosphorylationLipid peroxidationBiochemistry

Résumé

récupéré en direct d'OpenAlex

Objective: To assess the antioxidant effects of strawberries added to an effective cholesterol‐lowering diet (dietary portfolio). Methods: Twenty‐eight hyperlipidemic subjects following a cholesterol‐lowering dietary portfolio, consisting of soy, viscous fiber, plant sterol and nuts, wererandomized to take strawberries (454 g/d, 112 kcal) or additional oat bran bread (65 g/d, 112 kcal, ≈2g β‐glucan) (control) each for one month in a cross‐over design. Results: Both the strawberry and oat bran bread treatments significantly increased serum protein thiols (P<0.001 and P=0.001, respectively), indicating protection of proteins from oxidative damage. TBARS in LDL fraction were significantly reduced with strawberries (P=0.004), indicating protection of LDL from oxidation, however, no significant reduction was seen with oat bran bread (P=0.816). No effect of treatment was seen on conjugated dienes as an additional indicator of LDL oxidative damage. Conclusion: Both strawberries and oat bran bread reduced oxidative damage to serum proteins. However, only strawberries provided evidence of increased protection of LDL from oxidation. Funding: Canada Research Chair Endowment of the Federal Government of Canada; The California Strawberry Commission

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,247
Écart entre enseignants0,237 · 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'étudeObservationnel
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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207