Urinary Metabolite Profiling to Non-Invasively Monitor the Omega-3 Index: An Exploratory Secondary Analysis of a Randomized Clinical Trial in Young Adults
Notice bibliographique
Résumé
The Omega-3 Index (O3I) reflects eicosapentaenoic acid (EPA) and docosahexaenoic acid (DHA) content in erythrocytes. While the O3I is associated with numerous health outcomes, its widespread use is limited. We investigated whether urinary metabolites could be used to non-invasively monitor the O3I in an exploratory analysis of a previous placebo-controlled, parallel arm randomized clinical trial in males and females (n = 88) who consumed either ~3 g/d olive oil (OO; control), EPA, or DHA for 12 weeks. Fasted blood and first-void urine samples were collected at baseline and following supplementation, and they were analyzed via gas chromatography and multisegment injection–capillary electrophoresis–mass spectrometry (MSI-CE-MS), respectively. We tentatively identified S-carboxypropylcysteamine (CPCA) as a novel urinary biomarker reflecting O3I status, which increased following both EPA and DHA (p < 0.001), but not OO supplementation, and was positively correlated to the O3I (R = 0.30, p < 0.001). Additionally, an unknown dianion increased following DHA supplementation, but not EPA or OO. In ROC curve analyses, CPCA outperformed all other urinary metabolites in distinguishing both between OO and EPA or DHA supplementation groups (AUC > 80.0%), whereas the unknown dianion performed best in discriminating OO from DHA alone (AUC = 93.6%). Candidate urinary biomarkers of the O3I were identified that lay the foundation for a non-invasive assessment of omega-3 status.
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 | 0,016 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».