Nutrient Patterns and Risk of Multiple Sclerosis: A Case-Control Study
Notice bibliographique
Résumé
Background: The prevalence of multiple sclerosis (MS) in Iran is increasing. Although diet is an important modifiable risk factor for MS, the cumulative impact of micronutrients on MS is not yet fully understood. The objective was to evaluate the association between nutrient pattern and the risk of MS. Methods: A validated food frequency questionnaire was used in the hospital-based case-control study. Sixty-eight patients with newly diagnosed MS and 140 controls were included. Results: Cases and controls were selected from the Sinai Hospital in Tehran. Conducting principal component on 20 nutrients, four main nutrient patterns were revealed. Factor 1 included thiamin, selenium, niacin, copper and magnesium. Factor 2 was characterized by high riboflavin, calcium, vitamin D, zinc, linolenic acid and caffeine. Factor 3 was high in polyunsaturated fatty acids, monounsaturated fatty acids, alpha tocopherol, vitamin E and saturated fatty acids, and factor 4 was characterized by high loadings of vitamin C, β carotene and vitamin A. Using unconditional logistic regression, factors 2 and 4 were inversely associated to MS risk (OR = 0.25 (0.11 - 0.58) and OR = 0.43(0.21 - 0.87) respectively). Factors 1 and 3 showed no significant association with MS. Conclusion: Findings suggested that nutrient patterns may be important in etiopathogenesis of MS and may offer new approaches to prevent MS.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».