Association between dietary fat intake, liver fat, and insulin sensitivity in sedentary, abdominally obese, older men
Notice bibliographique
Résumé
Whether dietary fat influences the interaction between liver fat, visceral adipose tissue (VAT), and metabolic risk is unclear. Thus, we sought to determine the independent associations between 1 and 10 d dietary fat intake, liver fat, and VAT on insulin sensitivity using a cross-sectional design. Liver fat score (LFS) was assessed by computed tomography and VAT by magnetic resonance imaging in 42 abdominally obese older men. Insulin sensitivity was measured by the hyperinsulinemic-euglycemic clamp technique. Diet composition was determined from self-recorded diet records for 1 and 10 d preceding the assessment of LFS. LFS was positively associated with the 10 d average fat and alcohol intake, but not with any 1 d average dietary variables. VAT (r = -0.36) and LFS (r = -0.32) were both negatively correlated with insulin sensitivity (p < 0.05). When LFS and VAT were entered in the same model, only VAT was an independent predictor of insulin sensitivity (p < 0.05). Control for the average 10 d alcohol consumption and fat intake improved the association between insulin sensitivity and LFS (from r = -0.32, p > 0.10 to r = -0.49, p < 0.05), but not VAT. In fact, after control for the 10 d dietary variables, both LFS and VAT were independent predictors of insulin sensitivity (p < 0.05). This was not true for any of the 1 d dietary intake variables. In conclusion, liver fat is associated with dietary fat intake and alcohol consumption over 10 d, but not 1 d. Furthermore, dietary habits may influence the relationship between liver fat and insulin sensitivity.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».