The effect of mixed fruit and vegetable concentrates on biomarkers of cardiovascular disease: a review of the clinical evidence
Notice bibliographique
Résumé
Increased intake of fruit and vegetable (FV) has been associated with a reduced risk of chronic diseases, including cardiovascular disease (CVD). However, public health campaigns to increase FV intake have had limited success. A variety of mixed FV concentrates are available in the marketplace which may help certain individuals to achieve FV intake recommendations. However, the possible CVD benefits of FV concentrates have not been systematically reviewed. Our purpose, therefore, was to review the clinical trials that have studied the effects of these concentrates on CVD risk factors. A systematic search of EMBASE and MEDLINE databases identified 12 randomized, controlled clinical trials of 2 weeks duration or longer, which reported on at least one CVD risk factor. These studies assessed markers of oxidative stress (e.g. protein carbonyls, interleukin‐6), endothelial function and homocysteine. Daily consumption of FV concentrates significantly increased serum concentrations of antioxidant vitamins in 5 of 6 studies and significantly improved at least one marker (oxidative stress, endothelial function, homocysteine) of CVD risk in 10 of 12 studies. While longer term studies are required, these data indicate that FV concentrates may be of benefit in terms of improving antioxidant vitamin status, decreasing oxidative stress and reducing certain risk factors for CVD. (The study is not funded)
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».