MétaCan
Menu
Retour à la cohorte
Enregistrement W4398140456 · doi:10.3390/nu16101526

Cholesterol-Lowering Bioactive Foods and Nutraceuticals in Pediatrics: Clinical Evidence of Efficacy and Safety

2024· article· en· W4398140456 sur OpenAlexaff
Federica Fogacci, Naif Saad ALGhasab, Valentina Di Micoli, Marina Giovannini, Arrigo F.G. Cicero

Notice bibliographique

RevueNutrients · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCholesterol and Lipid Metabolism
Établissements canadiensLibin Cardiovascular Institute of Alberta
Organismes subventionnairesnon disponible
Mots-clésNutraceuticalDyslipidemiaContext (archaeology)Polyunsaturated fatty acidMedicineRed yeast riceCholesterolLipid profileRandomized controlled trialClinical trialFood scienceTolerabilityDiseaseInternal medicineBiologyFatty acidBiochemistryAdverse effectAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Long-term exposure to even slightly elevated plasma cholesterol levels significantly increases the risk of developing cardiovascular disease. The latest evidence recommends an improvement in plasma lipid levels, even in children who are not affected by severe hypercholesterolemia. The risk-benefit profile of pharmacological treatments in pediatric patients with moderate dyslipidemia is uncertain, and several cholesterol-lowering nutraceuticals have been recently tested. In this context, the available randomized clinical trials are small, short-term and mainly tested different types of fibers, plant sterols/stanols, standardized extracts of red yeast rice, polyunsaturated fatty acids, soy derivatives, and some probiotics. In children with dyslipidemia, nutraceuticals can improve lipid profile in the context of an adequate, well-balanced diet combined with regular physical activity. Of course, they should not be considered an alternative to conventional lipid-lowering drugs when necessary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,396
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetCholesterol and Lipid MetabolismTravaux en français237 207