Dried Fruits: Bioactives, Effects on Gut Microbiota, and Possible Health Benefits—An Update
Notice bibliographique
Résumé
Dried fruits contain many bioactive compounds broadly classified as phytochemicals including phenolics, flavonoids, carotenoids, proanthocyanidins, stilbenes, chalcones/dihydrochalcones, and phytoestrogens. These compounds have antioxidant effects that may benefit health. Dried fruits are also a diverse group of foods with varying fibre contents. The evaluation of the biological activity of these bioactive compounds, including their bioaccessibility and bioavailability, may contribute to the understanding of the health effects of dried fruits. Limited evidence suggests that dried fruits (raisins, cranberries, dates, and prunes) affect human gut microbiota composition in a potentially beneficial manner (in terms of effects on Bifidobacteria, Faecalibacterium prausnitzii, Lactobacillus, Ruminococcaceae, Klebsiella spp., and Prevotella spp.). There is little epidemiological evidence about the association of dried fruit consumption with cardiovascular disease incidence and mortality, as well as the risk of type 2 diabetes or obesity. Clinical trial evidence for the effects of dried fruit consumption on cardiovascular risk factors, including glycaemic control, is mixed. Clinical trial evidence suggests prunes might preserve bone mineral density in postmenopausal women. Consumption of dried fruits is associated with higher-quality diets. Studies are needed to increase our understanding of the health effects of dried fruits and the underlying biological mechanisms.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».