Lipid, protein and carbohydrate intake in relation to body mass index: an Italian study
Notice bibliographique
Résumé
OBJECTIVE: To analyse the association between macronutrient intake and body mass index (BMI). DESIGN: A series of hospital-based case-control studies. SETTINGS: Selected teaching and general hospitals in several Italian regions. SUBJECTS: A total of 6619 subjects from the comparison groups of the case-control studies were included in the analysis. METHODS: We obtained data from a validated 78-item food-frequency questionnaire submitted between 1991 and 2002. For various macronutrients, the partial regression coefficient (variation of BMI (kg m(-2)) per 100 kcal increment of energy intake) was derived from multiple linear regression models, after allowance for age, study centre, education, smoking habits, number of eating episodes and mutual adjustment for macronutrients. RESULTS: BMI was directly associated with protein intake among women only (beta = 0.68) and with unsaturated fats in both genders (for monounsaturated fats beta = 0.27 for men and 0.26 for women; for polyunsaturated fats beta = 0.27 for men and 0.54 for women), and inversely related to carbohydrates (beta = -0.05 for men and -0.21 for women) and number of eating episodes in both genders (beta = -0.42 for men and -0.61 for women) and to saturated fats among women only (beta = -0.57). CONCLUSIONS: These results confirm and provide convincing evidence that, after allowance for selected covariates including total energy intake, a protein-rich diet is not inversely related to BMI, and a carbohydrate-rich diet is not directly related to BMI.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».