A Slow-Digesting, Low-Glycemic Load Nutritional Beverage Improves Glucose Tolerance in Obese Pregnant Women Without Gestational Diabetes
Notice bibliographique
Résumé
BACKGROUND: Obesity is a risk factor for gestational diabetes (gestational diabetes). Low-glycemic index diets attenuate hyperglycemia. We designed a study to determine whether a slow-digesting, low-glycemic load (SD-LGL) beverage improves glucose tolerance in obese pregnant women without GDM. METHODS: ) were recruited at 24-28 weeks to receive either the SD-LGL or eucaloric control beverage. This was consumed with breakfast and as a midafternoon snack over 2 days with a controlled diet. Following a 2-day washout period of habitual diet, women completed 2 days on the alternative beverage with controlled diet. A 10-h fast preceded each intervention phase. Twenty-four hour glucose was measured using continuous glucose monitoring. RESULTS: Consumption of the lower GL beverage was associated with improved measures of glycemia, compared with the control beverage and habitual diet at different time periods. Glucose estimates for control versus SD-LDL at 24 h (0.23 mmol/L [0.16 to 0.31], P < 0.001), daytime (0.26 mmol/L [0.18 to 0.34], P < 0.001), and nighttime (0.05 mmol/L [-0.01 to 0.11], P = 0.09). Postprandial glucose was lower after breakfast but not after dinner, compared with the control beverage (0.09 mmol/L [0.01 to 0.18], P = 0.03). CONCLUSION: A slow-digesting, low-glycemic nutritional beverage may facilitate improved glucose control in obese pregnant women. To address potential benefit for clinical outcomes, a randomized controlled trial is warranted.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».