Longer‐term Effects of a Low Glycemic Index Diet on Glycemic Control in Type 2 Diabetes
Notice bibliographique
Résumé
Background Nut consumption, including peanuts, has been associated with a reduced risk of coronary heart disease (CHD). More recently, interest has grown in the potential value of including nuts in diets of individuals with diabetes. Objective To determine if tree nuts and peanuts improve glycemic control in non‐insulin dependent diabetes, as assessed by HbA1c and to assess whether these outcomes relate to improvements in CHD risk (serum lipids, blood pressure and oxidative stress and inflammatory biomarkers). Methods Approximately 120 NIDDM subjects (BMI ≤32kg/m 2 ) treated with oral hypoglycemic agents (HbA1c 6.5‐8.0%) were recruited to a 3 month parallel design study. Subjects were randomized to one of three treatments: 1) Test (Full Dose Nut Diet): Raw nuts were added as supplements to the subject's usual diet based on required energy intake (≥2,400kcal/d received 100g/d nuts, ≈600kcal; 1,600‐2,400kcal/d received 75g/d nuts, ≈450kcal; ≤1,600kcal/d received 50g/d, ≈300kcal); 2) Test (Half Dose Nut Diet): Subjects received half dose of nuts and half dose of control muffin according to calorie needs; and 3) Control: whole wheat muffins were matched with energy content of nut supplements. One‐week weighed diet histories were obtained and fasting blood samples collected at baseline and weeks 2, 4, 8, 10 and 12 for markers of glycemic control and CHD risk factors. Results Final data to be presented.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 | 0,001 |
| 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 ».