Does the ketogenic diet improve neurological disorders by influencing gut microbiota? A systematic review
Notice bibliographique
Résumé
BACKGROUND: The aim of this systematic review is to evaluate the changes in gut microbiota (GM) induced by the Ketogenic Diets (KD) as a potential underlying mechanism in the improvement of neurological diseases. METHODS: A comprehensive search was conducted on three electronic databases, including PubMed/Medline, Web of Science, and Scopus until December 2022. The inclusion criteria were studies that described any changes in GM after consuming KD in neurological patients. Full text of studies such as clinical trials and cohorts were added. The quality assessment of cohort studies was conducted using the Newcastle-Ottawa Quality Assessment Scale and for the clinical trials using the Cochrane Collaboration tool. The search, screening, and data extraction were performed by two researchers independently. RESULTS: Thirteen studies examining the effects of the KD on the GM in neurological patients were included. Studies have shown that KD improves clinical outcomes by reducing disease severity and recurrence rates. An increase in Proteobacteria phylum, Escherichia, Bacteroides, Prevotella, Faecalibacterium, Lachnospira, Agaricus, and Mrakia genera and a reduction in Firmicutes, and Actinobacteria phyla, Eubacterium, Cronobacter, Saccharomyces, Claviceps, Akkermansia and Dialister genera were reported after KD. Studies showed a reduction in concentrations of fecal short-chain fatty acids and branched-chain fatty acids and an increase in beta Hydroxybutyrate, trimethylamine N-oxide, and N-acetylserotonin levels after KD. CONCLUSION: The KD prescribed in neurological patients has effectively altered the GM composition and GM-derived metabolites.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».