Fish and Marine Omega-3 Polyunsatured Fatty Acid Consumption and Incidence of Type 2 Diabetes: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Objective. To examine the association between fish and marine long-chain omega-3 polyunsaturated fatty acid (LC n-3 PUFA) consumption and incidence of type 2 diabetes (T2D) in prospective cohort studies. Methods. Meta-analytic procedures were used to estimate the relative risk (RR) using random effects or fixed effects generic inverse variance model. Publication bias and study heterogeneity were assessed using Egger's test and I(2) statistic. Results. We found no significant association between the intake of fish/seafood (pooled RR: 1.04; P = 0.63, 95% CI: 0.9 to 1.2, 549, 955 participants) or marine LC n-3 PUFA (pooled RR: 1.08, P = 0.39, 95% CI: 0.90 to 1.30, 346, 710 participants) and T2D risk. Significant study heterogeneity was observed in fish/seafood and marine LC n-3 PUFA studies (P < 0.00001). Subgroup analysis revealed no obvious sources for high heterogeneity. We also found a significant protective effect of oily fish intake on T2D risk (pooled RR = 0.89, P = 0.005, 95% CI: 0.82 to 0.96). Dose-response analysis suggested that every 80 g per day intake of oily fish may reduce 20% risk of T2D. Conclusion. We found no significant effect of fish/seafood or marine LC n-3 PUFA intake on risk of T2D but a significant effect of oily fish intake on risk of T2D.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».