The association between macronutrient intake and cognition in individuals aged under 65 in China: a cross-sectional study
Notice bibliographique
Résumé
OBJECTIVE: The aim of this retrospective study was to explore the correlation between daily energy intake from macronutrients and cognitive functions in a Chinese population aged less than 65 years. DESIGN: test were used to compare the demographic and physical characteristics, lifestyle and laboratory parameters with the intake of macronutrients among different quartiles of % fat/energy. Multivariate logistic regression analysis was applied to identify the potential risk factors of mild cognitive impairment (MCI). PARTICIPANTS: Young and middle-aged participants (age <65 years) were recruited from Beijing, China. The Montreal cognitive assessment (MoCA) and mini-mental state examination (MMSE) were used to evaluate the cognitive functions, and the dietary intake of the participants was estimated with a semi-quantitative food frequency questionnaire (FFQ). RESULTS: Among the 661 participants, 80 (12.1%) had MCI, while 581 (87.9%) had normal cognitive functions. On evaluating the data based on the age group, educational background, and conditions of hyperlipidaemia and total energy intake, the results revealed that high % fat (upper quartile: adjusted OR (aOR) 3.90, 95% CI1.53 to 9.89, P=0.004), and high % protein intake (upper quartile: aOR 2.77, 95% CI 1.24 to 6.15) were greatly associated with increased frequency of MCI, while high % carbohydrate intake (upper quartile: aOR0.30, 95% CI 0.12 to 0.72) was correlated with decreased prevalence of MCI. CONCLUSION: The dietary pattern with high percentage of energy intake from fat and protein, and low-energy intake from carbohydrate might have been associated with cognitive decline in a Chinese population under 65 years of age.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».