Higher Protein Intake Is Associated with Diabetes Risk in South Asian Indians: The Metabolic Syndrome and Atherosclerosis in South Asians Living in America (MASALA) Study
Notice bibliographique
Résumé
OBJECTIVE: Despite a high prevalence of type 2 diabetes in South Asian Indians, the impact of diet in this high-risk ethnic group has not been fully explored. The association of macronutrient intake and diabetes in South Asian Indians was examined in this cross-sectional study. METHODS: A population-based cohort of 146 South Asian Indians aged 45-79 years without existing cardiovascular disease living in the San Francisco Bay Area was recruited between August 2006 and October 2007. Macronutrient intake was assessed with a food-frequency questionnaire developed and validated in South Asians. Diabetes was defined by use of a hypoglycemic medication, a fasting plasma glucose level > or =126 mg/dL, or a 2-hour post-challenge glucose level > or =200 mg/dL. The association between energy-adjusted macronutrient intake and diabetes was explored using multivariable logistic regression models. RESULTS: Forty-one (28%) participants had type 2 diabetes; 20 were unaware of this diagnosis and were classified as having diabetes by laboratory testing. In a model fully adjusted for age, sex, waist circumference, and hypertension, there was a 70% increase in the odds of diabetes per standard deviation in gram of protein intake/day (standardized OR 1.70 [95% CI 1.08, 2.68], p = 0.02). There was a trend toward increased protein intake and diabetes in the subset of participants with previously unknown, laboratory-diagnosed diabetes. Results did not vary significantly by sex, body mass index, or dietary pattern. CONCLUSIONS: Higher level of protein intake was associated with increased odds of diabetes in this cohort of South Asian Indians. Diet may be a modifiable lifestyle factor in this high-risk ethnic group.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».