MétaCan
Menu
Retour à la cohorte
Enregistrement W2328502373 · doi:10.1158/0008-5472.sabcs11-p3-09-02

P3-09-02: Intermittent Dietary Carbohydrate Restriction Enables Weight Loss and Reduces Breast Cancer Risk Biomarkers.

2011· article· en· W2328502373 sur OpenAlexaff
Michelle Harvie, Claire Wright, Mary Pegington, Eudora Mitchell, D. Gareth Evans, Susan A. Jebb, Robert Clarke, Royston Goodacre, Winston Dunn, Mark P. Mattson, Anthony Howell

Notice bibliographique

RevueCancer Research · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensInstitute of Aging
Organismes subventionnairesnon disponible
Mots-clésMedicineOverweightWeight lossIntermittent fastingInternal medicineDietingAdiponectinLeptinEndocrinologyBreast cancerBody mass indexInsulin resistancePhysiologyObesityCancer

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Energy restriction is a potential strategy for breast cancer prevention but is difficult to achieve and maintain. We found that intermittent energy restriction (2 days strict dieting week) is comparable to the standard approach of moderate daily restriction for weight loss and marginally better for improving insulin sensitivity, but no easier to follow1. In this follow on study we wished to test whether 2 novel intermittent low carbohydrate/low energy diets were feasible and easier to follow than a standard daily energy restriction. Design: Randomised comparison of 3 dietary types over 4 months in 115 overweight or obese (mean body mass index 31.0 [±5.3 SD] kg/m2) women at increased risk of breast cancer (lifetime risk > 1 in 6). Diets: 1. A restricted low carbohydrate diet (RLCD): 650 kcal and <50g carbohydrate / day for 2 days per week 2. Ad lib low carbohydrate diet (ALCD): <50g / day for 2 days per week with other food types (e.g. protein) ad lib 3. A standard daily restricted Mediterranean diet (DRMD): ∼ 1500kcal/day for 7 days per week Methods: Weight, anthropometrics, blood markers for breast cancer; insulin resistance, oxidative stress markers, leptin, adiponectin, lipids, inflammatory markers IGF-1 were assessed at baseline, 1, 3 and 4 months. Results: 88/114 completed the study (77%, drop outs 6 RLCD, 8 ALCD 12 DRMD). Last observation carried forward analyses show both intermittent low carbohydrate diets were superior to standard daily restriction for reducing weight and body fat: mean (95% confidence interval [CI]) change in body fat for RLCD was −4.3 (−5.6 to −3.0) kg, for ALCD −4.1 (−5.2 to −3.1) kg vs. −2.4 (−3.4 to −1.2) kg for DRMD (P value for difference between groups = 0.02). The intermittent groups had greater improvement in insulin resistance: mean (95% CI) change for RLCD was −22 (−35 to −11) %, ALCD −14 (−27 to −5%) % vs. −4 (−16 to 9) % for DRMD (P = 0.02). Other biomarkers are being assayed currently. Conclusion: Greater weight loss, fewer drop outs and greater reductions in insulin resistance with the novel intermittent low carbohydrate diets indicate that these are alternative approaches for energy restriction for potentially reducing risk of breast cancer and other diseases. Reference: 1Harvie MN, Pegington M, Mattson MP, Frystyk J, Dillon B, Evans G et al. The effects of intermittent or continuous energy restriction on weight loss and metabolic disease risk markers: a randomized trial in young overweight women. Int.J Obes (Lond) 35; 714–27, 2011. This study is funded by the Genesis Breast Cancer Prevention Appeal: www.genesisuk.org Citation Information: Cancer Res 2011;71(24 Suppl):Abstract nr P3-09-02.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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 Opus0,041
Tête enseignante GPT0,325
Écart entre enseignants0,284 · 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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207