기본 콘텐츠로 건너뛰기

논문으로 검증된 클로렐라의 효능


클로렐라(Chlorella)


- 대중적으로 가장 널리 섭취하는 성분이다
- 일일 섭취 권장량은 1.2mg이다


1개 이상의 신뢰할 수 있는 연구로 밝혀진 효능


  • 임산부의 빈혈 예방 : 임신 12~18주의 기간 동안 매일 3회 2g의 클로렐라를 섭취하면 임산부의 체내 철분 수치가 낮아 생길 수 있는 빈혈의 발생 위험을 낮추는데 도움이 될 수 있다는 연구가 있다. 


1개 이상의 임상 결과로 밝힌 효과가 없는 증상

  • 임산부의 고혈압 : 임신 중에 클로렐라를 복용해도 임산부의 고혈압 발생 위험을 낮추는데 효과가 없다는 연구가 있다. 

더 충분한 입증이 필요한 효능

  • 뇌종양 치료 : 클로렐라를 복용하면 신경교종(glioma)이라는 뇌종양 환자들의 치료를 위한 화학 요법과 방사선 치료를 더 잘 견디는데 도움이 될 수 있다는 연구가 있다. 하지만 클로렐라가 뇌종양의 진행을 늦추거나 생존율을 향상시키지는 않는다. 
  • 콜레스테롤 조절 : 클로렐라를 복용하면 콜레스테롤 수치가 경계 위험 수준인 사람들의 콜레스테롤 조절 기능 개선에 도움이 될 수 있다는 연구가 있다. 다른 연구에 의하면 콜레스테롤을 4주 동안 복용하면 혈액의 콜레스테롤과 중성지방 수치를 감소시키지만, 나쁜 콜레스테롤인 LDL을 감소시키거나 좋은 콜레스테롤인 HDL을 증가시키지는 않는다고 한다. 
  • 피로 회복 : 연구에 의하면 클로렐라를 4주동안 복용해도 운동 후나 휴식 중에 피로를 줄이는 것 같지 않다고 한다. 
  • 생리통 : 클로렐라를 8주 동안 복용하면 생리통을 감소시키는데 도움이 될 수 있다는 연구가 있다.
  • C형 간염 바이러스에 의한 간 염증 완화 : 클로렐라를 12주 동안 복용하면 C형 간염 바이러스에 의한 간의 염증을 완화시킬수 있다는 연구가 있다. 하지만 클로렐라를 복용해도 C형 간염 바이러스의 수치는 감소시키지 못한다. 
  • 비알코올성 지방간 증상 완화 : 클로렐라를 메트포르민, 비타민E와 함께 3개월간 복용하면 비알코올성 지방간(NAFLD) 환자들의 간 손상 징후를 개선시키는데 도움이 될 수 있다는 연구가 있다. 
  • 생체 방어 능력을 증강시키는 면역 기능 증진
  • 자외선에 의한 피부 손상으로부터 피부건강을 유지
  • 인체에 해로운 영향을 주는 산화유발 물질을 제거


참고 논문

- Nakano S, Takekoshi H, Nakano M. Chlorella pyrenoidosa supplementation reduces the risk of anemia, proteinuria and edema in pregnant women. Plant Foods Hum Nutr 2010;65(1):25-30.
- Lee IT, Lee WJ, Tsai CM, Su IJ, Yen HT, Sheu WH. Combined extractives of red yeast rice, bitter gourd, chlorella, soy protein, and licorice improve total cholesterol, low-density lipoprotein cholesterol, and triglyceride in subjects with metabolic syndrome. Nutr Res. 2012;32(2):85-92.
- Ryu NH, Lim Y, Park JE, et al. Impact of daily Chlorella consumption on serum lipid and carotenoid profiles in mildly hypercholesterolemia adults: a double-blinded, randomized, placebo-controlled study. Nutr J 2014;13:57.
- Merchant RE, Rice CD, Young HF. Dietary Chlorella pyrenoidosa for patients with malignant glioma: effects on immunocompetence, quality of life, and survival. Phytother Res 1990;4:220-31.
- Okada H, Yoshida N, Kakuma T, Toyomasu K. Effect of chlorella ingestion on oxidative stress and fatigue symptoms in healthy men. Kurume Med J 2018;64(4):83-90. 
- Haidari F, Homayouni F, Helli B, Haghighizadeh MH, Farahmandpour F. Effect of chlorella supplementation on systematic symptoms and serum levels of prostaglandins, inflammatory and oxidative markers in women with primary dysmenorrhea. Eur J Obstet Gynecol Reprod Biol 2018;229:185-9.
- Azocar J, Diaz A. Efficacy and safety of chlorella supplementation in adults with chronic hepatitis C virus infection. World J Gastroenterol 2013;19(7):1085-90.
- Panahi Y, Ghamarchehreh ME, Beiraghdar F, Zare R, Jalalian HR, Sahebkar A. Investigation of the effects of Chlorella vulgaris supplementation in patients with non-alcoholic fatty liver disease: a randomized clinical trial. Hepatogastroenterology 2012;59(119):2099-103.

태그

라벨:

댓글

댓글 쓰기

이 블로그의 인기 게시물

웨딩 드레스 스케치 도안

웨딩 드레스샵 투어를 다니면서 샘플로 드레스를 입는 경우에는 드레스 사진을 찍지 못하게 하는 샵이 많다. ​ 그래서 투어를 돌고 나면 어떤 샵의 어떤 스타일이 신부에게 잘 어울렸는지 헷갈릴 수가 있다. ​ 하지만 투어를 다닐 때 드레스샵에서 입은 드레스의 특징과 느낌을 잘 기록하면 샵을 선택하는 데 도움이 될 수 있다. ​ 드레스 투어를 다닐 때 드레스를 기록할 스케치 도안은 아래 링크에서 확인/다운로드 할 수 있다. 웨딩 드레스 스케치 도안 확인/다운로드 하기 투어를 마친 후 드레스샵과 계약을 하고, 드디어 본식 드레스를 고를 때에는 사진을 찍을 수 있는 경우가 많다. ​ 이 땐 사진을 잘 찍어서 어떤 드레스를 입을지 잘 선택하도록 하자. ​ ​
댓글 쓰기
자세한 내용 보기

파이썬(Python)을 이용한 산점도(scatter) 그리기

파이썬의 Matplotlib를 이용해 데이터의 산점도(scatter plot)를 그릴 수 있다. 예시를 통해 살펴보자. 먼저 아래와 같이 데이터 프레임 예시를 만든다. 1 2 3 4 5 6 7 8 9 10 import pandas as pd height = [ 170 , 168 , 177 , 181 , 172 , 171 , 169 , 175 , 174 , 178 , 170 , 167 , 177 , 182 , 173 , 171 , 170 , 179 , 175 , 177 , 186 , 166 , 183 , 168 ] weight = [ 70 , 66 , 73 , 77 , 74 , 73 , 69 , 79 , 77 , 80 , 74 , 68 , 71 , 76 , 78 , 72 , 68 , 79 , 77 , 81 , 84 , 73 , 78 , 69 ] # DataFrame 만들기 body = pd . DataFrame( { 'height' : height, 'weight' : weight} ) body라는 이름의 데이터 프레임(테이블)이 만들어졌다. 이제, body 테이블의 데이터들의 분포를 산점도로 그려보자. 산점도를 그리는 코드는 아래와 같다. 1 2 3 4 5 6 7 8 9 10 # 산점도(scatter) 그리기 import matplotlib.pylab as plt plt . scatter( body[ 'weight' ], body[ 'height' ], label = "data" ) plt . legend(loc = "best" ) plt . xlabel( 'weight' ) plt . ylabel( 'height' ...
댓글 쓰기
자세한 내용 보기

파이썬(Python)을 이용한 피어슨 상관계수 구하기

피어슨 상관계수(Pearson correlation coefficient)는 두 변수 간의 상관관계를 확인하기 위한 가장 기본적인 방법이다. 피어슨 상관계수를 사용할 때 주의해야할 사항은 아래와 같다. - 상관관계가 인과관계를 의미하는 것은 아니다. 단순히 두 변수의 연관성을 확인하는 것이다. - 두 변수가 정규분포일 때 잘 작동한다.  - 이상치(outlier)에 민감하므로, 이상치는 제거하는 것이 좋다. - 두 변수가 완전히 동일하면 피어슨 상관계수는 1.0이다. 완전히 반대방향으로 동일하면 -1.0, 전혀 상관 없으면 0이다. 세부적인 해석은 아래와 같이 한다. - -1.0과 -0.7 사이이면, 강한 음적 선형관계 - -0.7과 -0.3 사이이면, 뚜렷한 음적 선형관계 - -0.3과 -0.1 사이이면, 약한 음적 선형관계 - -0.1과 +0.1 사이이면, 거의 무시될 수 있는 선형관계 - +0.1과 +0.3 사이이면, 약한 양적 선형관계 - +0.3과 +0.7 사이이면, 뚜렷한 양적 선형관계 - +0.7과 +1.0 사이이면, 강한 양적 선형관계 파이썬을 통해 피어슨 상관계수를 쉽게 구할 수 있다. 예시를 통해 알아보자. height, weight의 두 변수를 가지는 body라는 DataFrame을 만들었다. DataFrame을 만드는 과정은 아래의 포스트에서 확인할 수 있다.  "파이썬(Python) Pandas를 이용한 데이터프레임(DataFrame) 만들기" body 데이터프레임으로 피어슨 상관계수를 구하는 코드는 아래와 같다.  1 2 corr = body . corr(method = 'pearson' ) corr Jupyter Notebook으로 구하면 아래와 같은 결과를 얻는다. 표의 행과 열을 살펴보면 "height - height", "weight - weight"는 1이...
댓글 쓰기
자세한 내용 보기