Soy protein and its effects on bone metabolism in young and old female rats fed low dietary calcium
Notice bibliographique
Résumé
Soy protein (SP) and soy isoflavones may slow bone loss. While many studies have examined the effects of feeding SP and/or isoflavones on ovariectomized rats, a model of postmenopausal bone loss, little has been done with animal models of Ca deficiency. Ca deficiency decreases bone growth and causes bone loss, and serves as a model of osteoporosis. In this study we examined the effects of feeding SP or SP plus isoflavones on bone metabolism in female weanling and retired breeder (RB) rats fed low levels of Ca. Bone mineral density (BMD), bone mineral content (BMC), bone growth parameters, and biochemical markers of bone metabolism were measured. Young rats fed SP had significantly smaller reductions in BMD and BMC after consuming a low Ca diet compared to a casein‐based diet. Isoflavones had no further benefits. BMD, BMC and bone growth parameters of RB rats were unaffected by SP. However, SP showed positive effects on bone turnover in both young and RB rats as determined by bone resorption markers. Feeding SP positively affects bone metabolism and minimizes, but does not fully reverse, the negative effects associated with low Ca intakes in young rats. These data merit further investigation on the effects of SP on bone growth, especially when Ca intake is inadequate. (Support: Bureau of Nutritional Sciences, Health Canada).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».