Meal effects on gastric bioelectrical activity utilizing body surface gastric mapping in healthy subjects
Notice bibliographique
Résumé
BACKGROUND: Gastric sensorimotor disorders are prevalent. While gastric emptying measurements are commonly used, they may not fully capture the underlying pathophysiology. Body surface gastric mapping (BSGM) recently emerged to assess gastric sensorimotor dysfunction. This study assessed varying meal size on BSGM responses to inform test use in a wider variety of contexts. METHODS: Data from multiple healthy cohorts receiving BSGM were pooled, using four different test meals. A standard BSGM protocol was employed: 30-min fasting, 4-h post-prandial, using Gastric Alimetry® (Alimetry, New Zealand). Meals comprised: (i) nutrient drink + oatmeal bar (482 kcal; 'standard meal'); (ii) oatmeal bar alone; egg and toast meal, and pancake (all ~250 kcal). Gastric Alimetry metrics included BMI-adjusted Amplitude, Principal Gastric Frequency, Gastric Alimetry Rhythm Index (GA-RI) and Fed:Fasted Amplitude Ratio (ff-AR). KEY RESULTS: 238 participants (59.2% female) were included. All meals significantly increased amplitude and frequency during the first postprandial hour (p < 0.05). There were no differences in postprandial frequency across meals (p > 0.05). The amplitude and GA-RI of the standard meal (n = 110) were significantly higher than the energy bar alone (n = 45) and egg meal (n = 65) (all p < 0.05). All BSGM metrics were comparable across the three smaller meals (p > 0.05). A higher symptom burden was found in the oatmeal bar group versus the standard meal and pancake meal (p = 0.01, 0.003, respectively). CONCLUSIONS & INFERENCES: The consumption of lower calorie meals elicited different postprandial responses, when compared to the standard Gastric Alimetry meal. These data will guide interpretations of BSGM when applied with lower calorie meals.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».