Machine Learning zur Vorhersage langfristigen Gewichtserhalts nach Fasten: Mikrobiom- und klinische Prädiktoren
Von KI ausgewählt und zusammengefasst
Worum es geht
Randomisierte, wartelisten-kontrollierte Studie an 38 gesunden Erwachsenen mit 5-Tage-Fastenintervention und 12-Wochen-Follow-up; Machine-Learning-Modelle identifizierten Baseline-Prädiktoren des individuellen Gewichtsverlust-Ansprechens an Tag 84 und externe Validierung in drei unabhängigen Kohorten.
Ergebnis
Modell kombinierend Mikrobiom und klinische Variablen (Faecalibacterium-Art, Oscillibacter sp., LDL-Cholesterin, systolischer Blutdruck) sagte Gewichtsverlust-Response vorhersehbar; Modell generalisierte auf drei externe Kohorten einschließlich Metabolisches-Syndrom-Patienten und Multiple-Sklerose-Patienten mit wiederholtem Fasten; Baseline-Mikrobiom-Diversität assoziiert mit postfastingem Mikrobindiversitäts-Wandel.
Übertragbarkeit auf Deutschland
Deutschland (Charité Berlin), prospektive Originaldaten, vergleichbare Bevölkerung
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.