MétaCan
Menu
Retour à la cohorte
Enregistrement W2911569592 · doi:10.2196/12081

Effectiveness of Low Glycemic Index Diet Consultations Through a Diet Glycemic Assessment App Tool on Maternal and Neonatal Insulin Resistance: A Randomized Controlled Trial

2019· article· en· W2911569592 sur OpenAlexvenueno aff
Yi Zhang, Liping Wang, Wenhong Yang, Dayan Niu, Chunying Li, Liling Wang, Ping Gu, Yingqian Xia, Ying Shen, Juhua Yan, Qian Zhao, Kai Mu, Weili Yan

Notice bibliographique

RevueJMIR mhealth and uhealth · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueGestational Diabetes Research and Management
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésMedicineGlycemicInsulin resistanceOverweightGestational diabetesGlycemic indexRandomized controlled trialGestationObstetricsPregnancyInternal medicineInsulinBody mass index

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Low glycemic index (LGI) diet has shown to be effective in reducing maternal and neonatal complications in high-risk pregnancies. OBJECTIVE: This trial aimed to examine the effectiveness of individualized LGI diet consultations based on the accurate diet glycemic load (GL) assessment tool on maternal and neonatal insulin resistance levels and diet behavior changes in overweight and obese pregnant women. METHODS: Overweight and obese pregnant women were recruited before 16 weeks of gestation and randomized to the LGI diet arm or the control arm. All participants received standard dietary education according to the Chinese Dietary Guide for Pregnant Women. In the intervention arm, additional individualized dietary GL assessments were performed using an app and instructions of lowering diet glycemic index (GI) to achieve LGI diet were provided by a clinical dietitian at early, middle, and late gestation. Primary outcomes were serum insulin at late gestation, incidence of gestational diabetes mellitus (GDM) for mothers, and cord blood C-peptide level of neonates. RESULTS: In total, 400 subjects were randomized and received different interventions. There were no significant differences in maternal serum insulin levels (13.2 [9.3-13.2] uU/mL vs 12.4 [10.5-12.4] uU/mL), incidence of GDM (45 [22.5%] vs 43 [21.5%]), or cord blood C-peptide levels (mean 0.9ng/mL [SD 0.7] vs mean 0.8ng/mL [SD 0.6]) in the intervention group compared with the controls. The diet GI at late gestation was similar (mean 63.2 [SD 10.4] vs mean 64.3 [SD 10.4]), whereas greater diet fiber intake was observed in the intervention group (mean 11.6 grams [SD 8.0] vs mean 9.0 grams [SD 5.6]; P=.006). Adherence measurements did not significantly differ between 2 groups. CONCLUSIONS: Individualized LGI diet consultations for overweight and obese pregnant women failed to make a significant difference in maternal or neonatal insulin resistance compared with the standard gestational diet consultation. TRIAL REGISTRATION: ClinicalTrials.gov NCT01628835; http://clinicaltrials.gov/ct2/show/NCT01628835 (Archived by WebCite at http://www.webcitation.org/77LHgWP0k).

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,015
Tête enseignante GPT0,362
Écart entre enseignants0,347 · 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'étudeEssai randomisé
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

Citations23
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetGestational Diabetes Research and ManagementTravaux en français237 207