Fruit, vegetable and vitamin C intakes and plasma vitamin C: cross‐sectional associations with insulin resistance and glycaemia in 9–10 year‐old children
Notice bibliographique
Résumé
AIM: To examine whether low circulating vitamin C concentrations and low fruit and vegetable intakes were associated with insulin resistance and other Type 2 diabetes risk markers in childhood. METHODS: We conducted a cross-sectional, school-based study in 2025 UK children aged 9-10 years, predominantly of white European, South-Asian and black African origin. A 24-h dietary recall was used to assess fruit, vegetable and vitamin C intakes. Height, weight and fat mass were measured and a fasting blood sample collected to measure plasma vitamin C concentrations and Type 2 diabetes risk markers. RESULTS: In analyses adjusting for confounding variables (including socio-economic status), a one interquartile range higher plasma vitamin C concentration (30.9 μmol/l) was associated with a 9.6% (95% CI 6.5, 12.6%) lower homeostatic model assessment of insulin resistance value, 0.8% (95% CI 0.4, 1.2%) lower fasting glucose, 4.5% (95% CI 3.2, 5.9%) lower urate and 2.2% (95% CI 0.9, 3.4%) higher HDL cholesterol. HbA1c concentration was 0.6% (95% CI 0.2, 1.0%) higher. Dietary fruit, vegetable and total vitamin C intakes were not associated with any Type 2 diabetes risk markers. Lower plasma vitamin C concentrations in South-Asian and black African-Caribbean children could partly explain their higher insulin resistance. CONCLUSIONS: Lower plasma vitamin C concentrations are associated with insulin resistance and could partly explain ethnic differences in insulin resistance. Experimental studies are needed to establish whether increasing plasma vitamin C can help prevent Type 2 diabetes at an early stage.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».