Omega-3 Polyunsaturated Fatty Acids And Adipose Tissue Inflammation: Longitudinal Analysis in the PROMISE Cohort
Notice bibliographique
Résumé
OBJECTIVES: Although preclinical studies have shown a beneficial impact of omega-3 (n-3) polyunsaturated fatty acids (PUFAs) on adipose tissue (AT) inflammation, the current literature from human studies is limited. Therefore, we aimed to evaluate the longitudinal associations of circulating levels of n-3 PUFAs with biomarkers of AT inflammation. METHODS: Longitudinal data from participants in the PROMISE cohort (n = 474) were used. AT inflammation was measured using circulating biomarkers at baseline and up to 2 follow-up visits. n-3 PUFAs were measured at baseline in 4 serum lipid fractions. Generalized estimating equations analyses evaluated longitudinal associations between n-3 PUFAs and AT inflammation, adjusting for covariates. RESULTS: Fully adjusted generalized estimating equation models indicated that higher baseline proportions of eicosapentaenoic acid, n-3 docosapentaenoic acid, and docosahexaenoic acid in total serum were significantly inversely associated with longitudinal change in soluble CD163 (all P < .05). A significant positive association of n-3 docosapentaenoic acid and docosahexaenoic acid with longitudinal change in adiponectin (P < .05) was also observed. Generally consistent associations were observed between n-3 PUFAs and soluble CD163 and adiponectin in the four lipid fractions. CONCLUSION: These findings will add to the limited evidence on the potential role n-3 PUFAs have in the prevention and management of AT inflammation in humans and may help inform future interventions targeting chronic inflammation at the level of AT.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».