Red meat intake, insulin resistance, and markers of endothelial function among Iranian women
Notice bibliographique
Résumé
SCOPE: Few data, with conflicting findings, are available linking red meat consumption to indicators of insulin resistance and endothelial dysfunction. This study aimed to investigate the association of red meat consumption with insulin resistance and endothelial dysfunction among a sample of female nurses in Isfahan, Iran. METHODS AND RESULTS: This cross-sectional study was carried out among 420 female nurses who were selected by a multistage cluster random sampling method. Usual dietary intakes were assessed using a validated food frequency questionnaire. Red meat intake was calculated by summing up the consumption of all kinds of red meat in foods and processed meat in sausages and fast foods. To measure serum concentrations of adhesion molecules and glycemic indexes, a fasting blood sample was taken. After adjustment for potential confounders, high red meat intake was significantly associated with higher fasting plasma glucose, homeostasis model assessment of insulin resistance, and lower quantitative insulin sensitivity check index. Although high red meat intake was significantly associated with higher serum insulin levels and lower homeostasis model assessment of beta-cell function in the crude model, after controlling for BMI, the association was no longer significant. Red meat consumption was associated with high concentrations of E-selectin, soluble vascular cell adhesion molecule-1 (sVCAM-1), and soluble intercellular adhesion molecule-1 (sICAM-1) after adjustment for different potential confounders. CONCLUSION: We found that increased red meat intake was associated with high concentrations of plasma endothelial dysfunction biomarkers and abnormal glucose homeostasis among Iranian women. Prospective studies are required to confirm these findings.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».