The Impact of Ramadan Fasting on Interleukin-6, Tumor Necrosis Factor-α, and C-Reactive Protein in Overweight and/or Obese and Non-Obese Individuals: A Systematic Review with Meta-Analysis
Notice bibliographique
Résumé
Introduction: Ramadan fasting (RF) has been suggested to modulate inflammation. Inflammatory biomarkers such as interleukin-6 (IL-6), tumor necrosis factor-α (TNF-α), and C-reactive protein (CRP) play pivotal roles in various metabolic and immune-related diseases. Given their clinical relevance, this study aims to evaluate the impact of RF on IL-6, TNF-α, and CRP. Methods: A systematic search of the literature evaluating the impact of RF on IL-6, TNF-α, and CRP/high sensitivity CRP (hsCRP) published in PubMed, ScienceDirect, Scopus, and Google Scholar was employed. Study quality was evaluated using the Newcastle-Ottawa Scale. Fixed- or random-effects model meta-analyses were performed using RevMan version 5.4 software. Subgroup analysis was performed based on BMI status, in overweight and/or obese (BMI ≥25) and non-obese (BMI ≥18.5) individuals. Meta-analysis was presented in standardized mean difference (SMD) with 95% confidence interval (CI). Fourteen studies involving 522 participants were finally included. Results: The finding showed that RF significantly reduced IL-6 (SMD = 0.68; 95% CI = 0.50, 0.87; p <0.00001) and TNF-α (SMD = 0.69; 95% CI = 0.34, 1.04; p = 0.0001), with stronger effects in overweight and/or obese individuals for IL-6 (SMD = 0.71; 95% CI = 0.52, 0.90; p <0.00001) and TNF-α (SMD = 0.79; 95% CI = 0.35, 1.23; p = 0.0005). Meanwhile, the reduction of CRP/hsCRP was significant only in non-obese individuals (SMD = 1.03; 95% CI = 0.04, 2.02; p = 0.04). Conclusion: RF may serve as a natural strategy to reduce systemic inflammation, particularly in individuals with elevated BMI. These findings may have clinical relevance for populations at risk of inflammation-related conditions such as obesity and metabolic syndrome. However, the heterogeneity in this meta-analysis requires the interpretation of the results with caution.
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 | 0,011 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,031 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».