DIET, EXERCISEREGIMENS AND MEDICATIONSTHAT ALTER BLOOD LEPTIN, ADIPONECTIN LEVELS AND ADIPONECTIN/LEPTIN RATIO TO PREVENT AND CONTROL CARDIO METABOLIC DISEASES DEVELOPMENT AND PROGRESSION
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives: High adiponectin and low leptin levels in serum are associated with less risk of insulin resistance, hypertension, atherosclerosis and a favorable lipid profile. In this systematic review, our objective was to determine effective diet changes, exercise and medications to achieve a favorable adiponectin/leptin ratio that decrease the risk of cardio metabolic conditions. Methods: After searching the literature in PubMed, MEDLINE, Google scholar and Cochrane library, we included randomized controlled trials and observational studies done on human participants regardless of age, BMI, sex and co-morbid conditions and studies that compared or assessed effects of interventions like diet, exercise or medications for more than two weeks on blood leptin and adiponectin levels. Follow up studies, animal studies and the studies in which adiponectin and leptin levels were not specified were excluded from the review. We screened 118 studies, data was retrieved from 70 studies out of which 36 studies were eligible for quality assessment. We used Cochrane risk of bias tool for randomized controlled trials and new castle Ottawa scale for observational studies for their quality assessment. Finally, we included 22 randomized controlled trials and 2 observational studies. Findings: The supplements, diet and exercise regimens and medications that were studied, many of them showed desirable changes in adipokine levels. Some of these regimens have not shown changes from baseline. Conclusions: Exercise, diet modifications and medications like Orlistat, Resveratrol, Pioglitazone should be used to target the adipokine levels to reduce cardiometabolic disease risk and progression.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 découle