Anthropometric and dietary predictors of insulin sensitivity in 10- to 14-year-old boys and girls
Notice bibliographique
Résumé
The high prevalence of pediatric obesity has made preventing chronic diseases through healthy lifestyle behaviours a priority within pediatrics. Examining the association between diet and insulin sensitivity (IS) in youth may provide important insights for tailoring preventative dietary interventions. The objective of this study was to explore the associations among anthropometry, diet, and IS in 10- to 14-year-olds. In this cross-sectional study, the primary outcome measure was IS, measured noninvasively using a (13)C glucose breath test. Exposure variables included body mass index (BMI) z score and several dietary variables, including glycemic index (GI), glycemic load, and fiber, magnesium, vegetable and fruit, and fat intakes, all of which were derived from a validated, Web-based 24-h recall tool. Multiple regression analyses were performed for boys and girls separately. In total, 378 students (227 girls) aged 12.1 ± 1.2 years were studied. In this sample ∼24% of youth were considered overweight or obese (BMI z score = 0.41 ± 0.93). Multiple regression analyses showed that BMI z score was negatively and independently associated with (13)C insulin sensitivity score ((13)CISS) in both boys and girls (boys: β = -0.501; girls: β = -0.446; both p < 0.001). GI was negatively and independently related to (13)CISS in boys (β = -0.195, p < 0.05) but not in girls. Other dietary variables were not associated with IS. In addition to BMI z score, a low GI diet predicted (13)CISS in boys but not in girls. This finding suggests that interventions that reduce BMI (in both sexes) and include a low GI diet among boys may improve IS.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».