MétaCan
Menu
Retour à la cohorte
Enregistrement W4377115546 · doi:10.3390/obesities3020015

Intermittent Energy Restriction Combined with a High-Protein/Low-Protein Diet: Effects on Body Weight, Satiety, and Inflammation: A Pilot Study

2023· article· en· W4377115546 sur OpenAlexaff
Nada Alzhrani, J Bryant

Notice bibliographique

RevueObesities · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDietary Effects on Health
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésOverweightWaistMedicineC-reactive proteinIntermittent fastingWeight lossInternal medicineBody weightObesityHigh-protein dietInflammationEndocrinologyAnimal scienceBiology

Résumé

récupéré en direct d'OpenAlex

Intermittent energy restricted (IER) diets have become popular as a body weight management approach. In this pilot study, we investigated if an IER diet would reduce systemic inflammation and if maintaining an elevated protein level while on an IER diet would enhance satiety. Six healthy women, aged 33–55 years with a BMI of 27–33 kg/m2, were randomized to first adhere to either a low- or high-protein IER diet using whole foods for three weeks. They then returned to their regular diets for a week, after which they adhered to the second diet for three weeks. Each test diet consisted of three low-energy intake days followed by four isocaloric energy intake days. The diets differed only in protein content. High-sensitivity C-reactive protein (hs-CRP), glucose, satiety, body weight, and waist circumference were measured at the beginning and end of each dietary intervention. Most participants showed reductions in hs-CRP levels from baseline on both IER diets but reported greater satiety when adhering to the higher protein IER diet. Overall, the IER diets reduced body weight and appeared to decrease inflammation in these overweight women, and the higher protein version enhanced satiety, which may lead to greater long-term dietary adherence.

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)0,001
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: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,237
Écart entre enseignants0,226 · 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'étudeEssai non randomisé
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueObesitiesMême sujetDietary Effects on HealthTravaux en français237 207