Coffee and beverages are the major contributors to polyphenol consumption from food and beverages in Japanese middle-aged women
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
Food and beverages rich in polyphenols have been shown to reduce the risk of non-communicable diseases. The present study estimated polyphenol levels and consumption from food and beverages in Japanese women. Randomly recruited housewives living in the area around Tokyo (n 109; aged 21-56 years; Group 1) recorded all beverages and foods they ingested for 7 d, and the total polyphenol (TP) consumption was estimated based on the TP content of each item measured with a modified Folin-Ciocalteu method. For Group 1, TP was consumed at 841 (sd 403) mg/d (range 113-1759 mg/d), and beverages were a larger source of TP (79 %) than food (21 %). The largest single source of TP was coffee at 47 %, followed by green tea, black tea, chocolate, beer and soya sauce, at 16, 5·7, 3·3, 3·2 and 3·1 %, respectively. In terms of food groups, cereals/noodles, vegetables, fruits, beans and seeds, and seasonings (except for soya sauce) contributed 5·0, 4·0, 1·4, 1·8 and 2·4 %, respectively. Another group of housewives who consumed at least one cup of coffee per d were separately recruited (n 100; Group 2) in the same area. Their consumption of TP was higher at 1187 (sd 371) mg/d (range 440-2435 mg/d) than Group 1 (P < 0·001), and the difference mostly came from the coffee consumption. We conclude that not food but beverages, especially coffee, may be the major contributor to TP consumption in Japanese women.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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