Effets du β-glucane chez les patients atteints de dyslipidémie
Bibliographic record
Abstract
Les maladies cardiovasculaires représentent la principale cause de décès dans le monde et elles sont souvent causées par l’athérosclérose coronarienne caractérisée par l’accumulation de plaques dans la paroi des artères menant à leur rétrécissement et à la réduction ou l’abolition de l’apport sanguin régional au muscle cardiaque. Les anomalies du métabolisme des lipides, incluant l’élévation du cholestérol dans les lipoprotéines de basse densité (LDL-cholestérol) contribuent au processus d’athérosclérose. Plusieurs traitements existent pour réduire les taux de lipides plasmatiques chez les sujets à risque, dont le principal est les statines. Cependant, les statines ne permettent pas toujours d’atteindre les cibles thérapeutiques, ce qui justifie la recherche de nouveaux traitements pouvant modifier les lipides plasmatiques. Une avenue potentielle de traitement à explorer est le beta-glucane, une fibre soluble contenue dans l’avoine pour laquelle certaines données suggèrent un effet hypolipidémiant. L’objectif de ce mémoire était d’évaluer l’efficacité d’un supplément de beta-glucane dans la réduction des taux plasmatiques de LDL-C chez les patients atteints de dyslipidémie à travers le Canada. Pour ce faire, nous avons effectué un essai clinique randomisé en double aveugle contrôlé par placebo dans une population de 264 sujets atteints d’hyperlipidémie qui ont reçus aléatoirement des traitements de beta-glucane à doses de 1.5 g, 3 g et 6 g ou un placebo durant 12 semaines. Tout au long du traitement, des mesures du taux plasmatique de LDL-C ont été effectuées et des analyses statistiques de covariance (ANCOVA) ont été faites pour comparer ces taux entre les groupes actifs et placebos afin d’observer s’il y avait des changements significatifs. La mesure d’efficacité établie était une réduction du taux de LDL-C d’au moins 0.30 mmol/L. Nos résultats suggèrent que le supplément de beta-glucane à doses de 1.5 g, 3 g et 6 g n’est pas efficace pour réduire les taux de lipides sériques. Il n’y a pas eu de variation significative dans les taux de LDL-C lorsque les groupes actifs ont été comparé au groupe placebo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".