Animal and plant protein intake association with mental health, tryptophan metabolites pathways, and gut microbiota in healthy women: a cross-sectional study
Notice bibliographique
Résumé
Mental health is affected by tryptophane (TRP) metabolism regulation. Diet-influenced gut microbiome regulates TRP metabolism. Thus, the present study aimed to explore the relationship between type of dietary protein intake, gut microbiota, TRP metabolites homeostasis, and mental well-being in healthy women. 91 healthy females aged 18-50 were recruited based on the study protocol. Validate and reliable questionnaires assessed dietary intake and mental health. Biochemical tests and gut microbiota composition were analyzed following the manufacturer's instructions for each enzyme-linked immune sorbent assay (ELISA) kit and Real-time quantitative polymerase chain reaction (qPCR) methods respectively. Regression methods were used to estimate the considered associations. The results show that in the fully adjusted model, plant protein consumption was partially inversely associated with depression risk (OR = 0.27; 95% CI: 0.06, 1.09; P = 0.06). Higher dietary animal protein intake was marginally associated with psychological distress (OR = 2.59; 95% CI: 0.91, 7.34; P = 0.07). KYN to serotonin ratio was inversely associated with animal protein consumption (ß = 1.10; 95% CI: -0.13, 2.33; P = 0.07). Firmicutes/Bacteriodetes ratio (β = -1.27 × 103, SE = 5.99 × 102, P = 0.03) was lower in the top tertile of plant protein. A partially negative correlation was found between dietary animal protein and Prevotella abundance (β = -9.20 × 1018, SE = 5.04 × 1018, P = 0.06). Overall, significant inverse associations were found between a diet high in plant protein with mental disorders, KYN levels, and Firmicutes to Bacteroidetes ratio while adhering to higher animal protein could predispose women to psychological stress.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 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 ».