Nutritional correlates of dietary glycaemic index: new aspects from a population perspective
Notice bibliographique
Résumé
The role of dietary glycaemic index (GI) and glycaemic load (GL) in disease aetiology is of increasing interest. However, nutritional factors related to dietary GI and GL are not well understood from a population perspective. We aimed to investigate the relation ship between GI and GL and dietary intake at the food and nutrient level. Study subjects were 1071 non-diabetic adults from the Insulin Resistance Atherosclerosis Study, Exam I, 1992-4. Usual dietary intake was assessed with a 114-item modified Block food frequency questionnaire. Published GI values were assigned to food line items. Correlation and regression analyses were conducted. Intake of white bread, beer, meats and fries/fried potatoes was positively associated with average GI, as was fat, starch and alcohol intake (before and after energy adjustment). Intake of fruits and low-fat milk was inversely associated with GI, as were intakes of mono- and disaccharides, and fibre. GL was positively correlated with carbohydrate foods and inversely with non-carbohydrate foods. Gender-specific regression models identified eight food groups explaining 63% (men) and 55% (women) total GI variation after adjusting for demographics; 70% of variation in GL was explained by eleven (men) and nine (women) food groups, respectively. Although the GI of a food is an indicator of the ability of carbohydrates to raise blood glucose, dietary GI, unlike GL, appears to reflect more dimensions of diet than just carbohydrates, such as the combination of foods consumed. This may have implications for the interpretation of dietary GI in epidemiologic studies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».