Orly Ben-Yacov

搜索
登录

Orly Ben-Yacov

文章数：4篇

个性化饮食干预

改善糖尿病前期心脏代谢的饮食干预——个性化餐后靶向饮食

饮食是心脏代谢健康的主要贡献者，在预防、管理甚至逆转许多慢性疾病（包括但不限于糖尿病、心血管疾病和脂肪肝）方面发挥着基础性作用。Gut最近研究文章，表明一种基于预测个人餐后血糖反应的机器学习算法制定的个性化餐后靶向（PPT）饮食可有效调节心脏代谢，并提出了具体的微生物群物种目标，揭示该饮食方法在临床前和干预研究中改善糖尿病前期的心脏代谢健康的潜在治疗价值。

个性化饮食干预糖尿病前期研究论文心脏代谢

2型糖尿病患者或更需要定制个体化饮食干预

饮食调整对于管理新确诊的2型糖尿病（T2DM）和预防并发症至关重要，但许多患者单靠饮食无法实现临床目标。BMC Medicine近期发表的文章，根据临床和微生物组学特征来预测个人餐后血糖反应（PPGR），并构建机器学习算法进行个性化饮食定制（PPT饮食），随后招募23位新确诊的2型糖尿病人进行随机交叉试验。两周的交叉试验中，PPT饮食显著改善患者的餐后血糖。利用PPT饮食干预6个月，可显著改善病人的血糖控制和代谢指标。

糖尿病饮食干预临床试验

个性化饮食干预

饮食改善血糖，个体化干预比地中海饮食更有效

2015年，以色列魏茨曼科学研究所的两位Eran带领团队开发了一种机器学习算法，能基于临床和菌群数据预测个人的餐后血糖反应，将机器学习与精准营养结合起来，是当年的Cell十佳论文之一（https://www.mr-gut.cn/papers/read/1053870848）。近期他们在Diabetes Care发表了后续研究的新进展，探索了针对预测餐后血糖的靶向性饮食干预对前驱糖尿病患者血糖控制的改善作用，并将其与公认的健康饮食——地中海饮食的干预效果进行了对比，为个性化的精准营养研究迈出了重要的一步。

个性化饮食干预餐后血糖血糖控制前驱糖尿病

Cell：通过精准预测血糖反应，实现个体化营养

① 纳入800人的研究队列，持续监测一周累计46898次餐后血糖水平，分析相同和不同食物对个体餐后血糖的影响；② 建立了“机器学习”算法，将肠道菌群、血液参数、饮食习惯、健康问卷、身体测量指标等数据结合进行分析，该算法可准确预测受试者的餐后血糖水平，并在100人的独立队列对该算法的准确性等进行了验证；③ 基于该算法的盲法随机对照实验表明，短期的个性化饮食干预成功地降低了餐后血糖水平，并改善了肠道菌群组成。

餐后血糖肠道菌群糖尿病个体化营养血糖水平