MétaCan
Menu
← Retour à la cohorte
Enregistrement W2189434266 · doi:10.1139/apnm-2015-0432

Dietary glycemic index and glycemic load and their relationship to cardiovascular risk factors in Chinese children

2015· article· en· W2189434266 sur OpenAlexvenueno aff
Xinyu Zhang, Yanna Zhu, Li Cai, Lu Ma, Jing Jin, Li Guo, Yu Jin, Yinghua Ma, Yajun Chen

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensnon disponible
Organismes subventionnairesScience and Technology Planning Project of Guangdong Province
Mots-clésGlycemic loadGlycemic indexMedicineGlycemicIndex (typography)Internal medicineCardiologyDiabetes mellitusEndocrinologyComputer science

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to examine the cross-sectional associations between dietary glycemic index (GI) and glycemic load (GL) and cardiovascular disease (CVD) risk factors in Chinese children. A total of 234 Chinese schoolchildren aged 8-11 years in Guangdong participated in the study. Dietary intake was assessed via a 3-day dietary record. Seven established cardiovascular indicators were analyzed in this study: fasting plasma glucose (FPG), fasting triglycerides (TG), total cholesterol (TC), high-density lipoprotein cholesterol (HDL-C), low-density lipoprotein cholesterol (LDL-C), systolic blood pressure, and diastolic blood pressure. Higher dietary GI was significantly associated with higher TG levels (P = 0.037) and lower HDL-C levels (P = 0.005) after adjusting for age, sex, nutritional intake, physical activity, and body mass index z score. LDL-C was found to differ across tertiles of dietary GL. The middle tertile tended to show the highest level of LDL-C. TC, FPG, and blood pressure were independent of both dietary GI and GL. Our findings suggest that higher dietary GI is differentially associated with some CVD risk factors, including lower HDL-C and higher TG, in school-aged children from south China.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,247
Écart entre enseignants0,229 · 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

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and Metabolism→Même sujetDiet and metabolism studies→Travaux en français237 207→