MétaCan
Menu
Retour à la cohorte
Enregistrement W2155700420 · doi:10.1007/s00125-010-1927-1

The relation of low glycaemic index fruit consumption to glycaemic control and risk factors for coronary heart disease in type 2 diabetes

2010· article· en· W2155700420 sur OpenAlexafffund
David J.A. Jenkins, Korbua Srichaikul, Cyril W.C. Kendall, John L. Sievenpiper, Silva Abdulnour, Arash Mirrahimi, Cláudia Meneses, Stephanie Nishi, X. He, S. Lee, Young‐Han So, A. Esfahani, S. Mitchell, Tina Parker, E. Vidgen, Robert G. Josse, Lawrence A. Leiter

Notice bibliographique

RevueDiabetologia · 2010
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensSt. Michael's Hospital
Organismes subventionnairesGovernment of CanadaLoblaw Companies LimitedArcher Daniels MidlandAlmond Board of CaliforniaCanadian Institutes of Health ResearchCalifornia Strawberry CommissionAustralian GovernmentCoca-Cola Foundation
Mots-clésMedicineType 2 diabetesDiabetes mellitusQuartileGlycaemic indexBlood pressureCoronary heart diseaseObesityAdded sugarInternal medicineFood scienceGlycemic indexEndocrinologyBiologyConfidence interval

Résumé

récupéré en direct d'OpenAlex

AIMS/HYPOTHESIS: Sugar has been suggested to promote obesity, diabetes and coronary heart disease (CHD), yet fruit, despite containing sugars, may also have a low glycaemic index (GI) and all fruits are generally recommended for good health. We therefore assessed the effect of fruit with special emphasis on low GI fruit intake in type 2 diabetes. METHODS: This secondary analysis involved 152 type 2 diabetic participants treated with glucose-lowering agents who completed either 6 months of high fibre or low GI dietary advice, including fruit advice, in a parallel design. RESULTS: Change in low GI fruit intake ranged from -3.1 to 2.7 servings/day. The increase in low GI fruit intake significantly predicted reductions in HbA(1c) (r = -0.206, p =0.011), systolic blood pressure (r = -0.183, p = 0.024) and CHD risk (r = -0.213, p = 0.008). Change in total fruit intake ranged from -3.7 to 3.2 servings/day and was not related to study outcomes. In a regression analysis including the eight major carbohydrate foods or classes of foods emphasised in the low GI diet, only low GI fruit and bread contributed independently and significantly to predicting change in HbA(1c). Furthermore, comparing the highest with the lowest quartile of low GI fruit intake, the percentage change in HbA(1c) was reduced by -0.5% HbA(1c) units (95% CI 0.2-0.8 HbA(1c) units, p < 0.001). CONCLUSIONS/INTERPRETATION: Low GI fruit consumption as part of a low GI diet was associated with lower HbA(1c), blood pressure and CHD risk and supports a role for low GI fruit consumption in the management of type 2 diabetes. TRIAL REGISTRATION: ClinicalTrials.gov NCT00438698.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,249
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations131
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiabetologiaMême sujetFood composition and propertiesTravaux en français237 207