Low-fat cheese ameliorates glucose intolerance and normalizes insulin secretion in a rat model of type 2 diabetes by promoting β-cell recovery
Notice bibliographique
Résumé
We aimed to determine if cheese could reduce glucose intolerance in aged rats with overt type 2 diabetes (T2D). Male Sprague-Dawley rats treated with high-fat diet (HFD) and streptozotocin (STZ) to elicit T2D were hyperglycemic. One week after STZ injection, low-fat (LOW) or regular-fat (REG) cheese was provided for 5 weeks and compared with T2D and low-fat diet reference (REF) groups. Food intake and weight gain were similar in all groups. Oral glucose tolerance tests revealed glucose intolerance in T2D rats that was partially ameliorated by LOW but not REG. Insulin secretion during the oral glucose tolerance test was impaired in T2D and REG at 10 min ( p < 0.05) but the iAUC was highly variable in all groups and statistical differences were not detected ( p > 0.05). β-cell mass and pancreatic insulin content in T2D and REG were 50% lower than REF ( p < 0.05), whereas LOW was not significantly different. Although isolated islets from all groups responded to glucose, the absolute amount of insulin secreted by T2D and REG was markedly reduced compared with REF, while LOW islets had relatively normal secretion. In conclusion, LOW but not REG cheese enhanced β-cell recovery from HFD/STZ treatment that led to amelioration of glucose tolerance within 5 weeks.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».