A Pilot Crossover Study of Berberine and its Short-Term Effects on Blood Glucose Levels in Healthy Volunteers
Notice bibliographique
Résumé
Introduction: Different berberine preparations were evaluated for their effectiveness on lowering blood glucose in a pilot, open-label, crossover study conducted in healthy adults. Methods: Fourteen healthy volunteers of both sexes were recruited, and seven completed all treatments in the study. Study participants ingested one of three berberine preparations containing 500mg of berberine, respectively. A one week wash out period was included between treatments. A control group was included to measure the participants’ baseline response to a 75g glucose solution without any treatment. The following interventions were administered: berberine powder in hard gelatin capsules, berberine in an oil matrix encapsulated in soft-gelatin capsules, and berberine in LipoMicel® matrix encapsulated in soft-gelatin capsules. Blood glucose concentrations in each participant were monitored from pre-dose baseline, before the capsules were ingested, until up to 3 hours after the capsules were ingested. Results: LipoMicel Berberine treatment led to reduced blood glucose concentrations Area Under Curve (AUC, mean difference: 1.57; 95% CI: 0.021 – 3.12; P = 0.046; Cohen’s d = 1.53) and reduced maximum glucose concentration (Gmax, mean difference: 1.07; 95% CI 0.004 – 2.14; P = 0.049; Cohen’s d = 1.52) compared to the control group when no-treatment was given. No adverse events related to berberine treatments were reported by participants throughout the study period. Conclusions: LipoMicel Berberine was effective in lowering blood glucose levels by 12% after two 500mg doses. Berberine in other formulations may require a longer dosing regimen before blood glucose lowering effects can be demonstrated.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,003 |
| 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 ».