MétaCan
Menu
Retour à la cohorte
Enregistrement W2821788354 · doi:10.1097/crd.0000000000000222

The Mediterranean Diet and Cardiovascular Disease

2018· review· en· W2821788354 sur OpenAlexaff
Norman J. Temple, Valentina Guercio, Alessandra Tavani

Notice bibliographique

RevueCardiology in Review · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésMedicineMediterranean dietDiseaseRandomized controlled trialBlood pressureRed meatFish oilWaistInternal medicineFish <Actinopterygii>ObesityPathology

Résumé

récupéré en direct d'OpenAlex

In this article, we critically evaluate the evidence relating to the effects of the Mediterranean diet (MD) on the risk of cardiovascular disease (CVD). Strong evidence indicating that the MD prevents CVD has come from prospective cohort studies. However, there is only weak supporting evidence from randomized controlled trials (RCTs) as none have compared subjects who follow an MD and those who do not. Instead, RCTs have tested the effect of 1 or 2 features of the MD. This was the case in the Prevenciόn con Dieta Mediterránea (PREDIMED) study: the major dietary change in the intervention groups was the addition of either extravirgin olive oil or nuts. Meta-analyses generally suggest that the MD causes small favorable changes in risk factors for CVD, including blood pressure, blood glucose, and waist circumference. However, the effect on blood lipids is generally weak. The MD may also decrease several biomarkers of inflammation, including C-reactive protein. The 7 key features of the MD can be divided into 2 groups. Some are clearly protective against CVD (olive oil as the main fat; high in legumes; high in fruits/vegetables/nuts; and low in meat/meat products and increased in fish). However, other features of the MD have a less clear relationship with CVD (low/moderate alcohol use, especially red wine; high in grains/cereals; and low/moderate in milk/dairy). In conclusion, the evidence indicates that the MD prevents CVD. There is a need for RCTs that test the effectiveness of the MD for preventing CVD. Key design features for such a study are proposed.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,091
Tête enseignante GPT0,363
Écart entre enseignants0,272 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCardiology in ReviewMême sujetNutritional Studies and DietTravaux en français237 207