Comparison of diet and exercise on cardiometabolic factors in young adults with overweight/obesity: multiomics analysis and gut microbiota prediction, a randomized controlled trial
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 The optimal strategy for improving cardiometabolic factors (CMFs) in young obese individuals through diet and exercise remains unclear, as do the potential mechanisms. We conducted an 8‐week randomized controlled trial to compare the effects of different interventions in youth with overweight/obesity. Gut microbes and serum metabolites were examined to identify regulating mechanisms. A total of 129 undergraduates were randomly assigned to fiber‐rich (FR) diet, rope‐skipping (RS), combined FR–RS and control groups. The results showed that single interventions were as effective as combined interventions in improving weight, waist circumference, body fat, and lipid profile compared with control group. Notably, the FR group further reduced low‐density lipoprotein (LDL‐C) and uric acid (UA) (all p < 0.05). Mediation analysis revealed four gut microbiota–metabolite–host axes in improving CMFs. Additionally, we used machine learning algorithms to further predict individual responses based on baseline gut microbiota composition, with specific microbial genera guiding targeted intervention selection. In conclusion, FR diet and/or RS were effective in improving CMFs, with the FR diet particular effectiveness in reducing LDL‐C and UA levels. These benefits may drive by gut microbiome–metabolite–host interactions. Moreover, the predictability of gut microbiota composition supports making targeted decisions in selecting interventions. Trial Registration: NCT04834687.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 découle