The effects of L-carnitine supplementation on cardiovascular risk factors in participants with impaired glucose tolerance and diabetes: a systematic review and dose–response meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Aims L-carnitine plays a role related to cardiometabolic factors, but its effectiveness and safety in CVD are still unknown. We aim to assess the effect of L-carnitine supplementation on CVD risk factors. Methods A systematic literature search was conducted in PubMed, Web of Science, and Scopus until October 2022. The main outcomes were lipid profiles, anthropometric parameters, insulin resistance, serum glucose levels, leptin, blood pressure, and inflammatory markers. The pooled weighted mean difference (WMD) was calculated using a random-effects model. Results We included the 21 RCTs (n = 2900) with 21 effect sizes in this study. L-carnitine supplementation had a significant effect on TG (WMD = − 13.50 mg/dl, p = 0.039), LDL (WMD = − 12.66 mg/dl, p < 0.001), FBG (WMD = − 6.24 mg/dl, p = 0.001), HbA1c (WMD = -0.37%, p = 0.013) HOMA-IR (WMD = -0.72, p = 0.038 (, CRP (WMD = − 0.07 mg/dl, P = 0.037), TNF-α (WMD = − 1.39 pg/ml, p = 0.033), weight (WMD = − 1.58 kg, p = 0.001 (, BMI (WMD = − 0.28 kg/m 2 , p = 0.017(, BFP (WMD = − 1.83, p < 0.001) and leptin (WMD = − 2.21 ng/ml, p = 0.003 (in intervention, compared to the placebo group, in the pooled analysis. Conclusions This meta-analysis demonstrated that administration of L-carnitine in diabetic and glucose intolerance patients can significantly reduce TG, LDL-C, FBG, HbA1c, HOMA-IR, CRP, TNF-α, weight, BMI, BFP, and leptin levels. PROSPERO registration code: CRD42022366992.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 découle