Effect of Legumes as Part of a Low Glycemic Index Diet on Glycemic Control and Cardiovascular Risk Factors in Type 2 Diabetes Mellitus
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Legumes, including beans, chickpeas, and lentils, are among the lowest glycemic index (GI) foods and have been recommended in national diabetes mellitus (DM) guidelines. Yet, to our knowledge, they have never been used specifically to lower the GI of the diet. We have therefore undertaken a study of low-GI foods in type 2 DM with a focus on legumes in the intervention. METHODS: A total of 121 participants with type 2 DM were randomized to either a low-GI legume diet that encouraged participants to increase legume intake by at least 1 cup per day, or to increase insoluble fiber by consumption of whole wheat products, for 3 months. The primary outcome was change in hemoglobin A1c (HbA1c) values with calculated coronary heart disease (CHD) risk score as a secondary outcome. RESULTS: The low-GI legume diet reduced HbA1c values by -0.5% (95% CI, -0.6% to -0.4%) and the high wheat fiber diet reduced HbA1c values by -0.3% (95% CI, -0.4% to -0.2%). The relative reduction in HbA1c values after the low-GI legume diet was greater than after the high wheat fiber diet by -0.2% (95% CI, -0.3% to -0.1%; P < .001). The respective CHD risk reduction on the low-GI legume diet was -0.8% (95% CI, -1.4% to -0.3%; P = .003), largely owing to a greater relative reduction in systolic blood pressure on the low-GI legume diet compared with the high wheat fiber diet (-4.5 mm Hg; 95% CI, -7.0 to -2.1 mm Hg; P < .001). CONCLUSION: Incorporation of legumes as part of a low-GI diet improved both glycemic control and reduced calculated CHD risk score in type 2 DM.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle