Omega-3 Polyunsaturated Fatty Acids and Adipose Tissue Inflammation in Humans: A Scoping Review
Notice bibliographique
Résumé
Adipose tissue (AT) inflammation is a topic of increasing interest given its role in initiating systemic subclinical inflammation. Evidence from preclinical studies suggests that n-3 polyunsaturated fatty acids (PUFAs) may ameliorate AT inflammation through various pathways. However, fewer data are available from humans, and existing studies are heterogeneous in design and findings. The objective of this scoping review was to identify, review, and map the current literature on the relationship between n-3 PUFAs and AT inflammation in healthy humans. MEDLINE, EMBASE, and Cochrane databases were searched from inception to August 4, 2022. Eligible studies included experimental trials and observational studies, enrolling nonpregnant adult study populations free of diagnosed chronic/infectious diseases. Screening and data extraction were performed on study characteristics. Overall, the 25 retained studies were heterogeneous in study design, intervention formulation/exposure assessment, comparator, study duration, and methods used to characterize AT inflammation. Most experimental trials used EPA+DHA [eicosapentaenoic acid (EPA, 20:5n-3) and docosapentaenoic acid (DPA, 22:5n-3)] supplementation and measured circulating adiponectin and leptin to characterize AT inflammation. A wide range of comparators were employed, including saturated/unsaturated oils, ketogenic diets, and n-6 PUFAs. All observational studies reported a significant association with ≥1 of their primary outcomes, while 15 of 20 experimental trials documented a significant effect of n-3 supplementation on ≥1 outcomes. Existing human literature on n-3 PUFAs and AT inflammation is inconclusive due to the limited number of studies available and their heterogeneous designs. Therefore, larger, longer-term longitudinal studies and experimental trials using AT biopsy measures or validated AT-specific biomarkers are needed. Registration: Open Science Framework (https://doi.org/10.17605/OSF.IO/29WGQ).
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 | 0,006 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,018 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».