Low-Carbohydrate Diet Score and Macronutrient Intake in Relation to Survival After Colorectal Cancer Diagnosis
Notice bibliographique
Résumé
Abstract Background A low-carbohydrate diet may improve cancer survival, but relevant clinical evidence remains limited. Methods We followed 1542 stages I to III colorectal cancer (CRC) patients who completed a validated food frequency questionnaire between 6 months and 4 years after diagnosis. We calculated overall, animal-, and plant-rich, low-carbohydrate diet scores and examined their associations with CRC-specific and overall mortality using Cox proportional hazards regression after adjusting for potential predictors for cancer survival. We also assessed the intake and changes of macronutrients after diagnosis. Statistical tests were two-sided. Results Although no association was found for overall and animal-rich low-carbohydrate diet score, plant-rich, low-carbohydrate diet, which emphasizes plant sources of fat and protein with moderate consumption of animal products, was associated with lower CRC-specific mortality (hazard ratio [HR] comparing extreme quartiles = 0.37, 95% confidence interval [CI] = 0.25 to 0.57, Ptrend < .001). Carbohydrate intake was associated with higher CRC-specific mortality, and this association was restricted to carbohydrate consumed from refined starches and sugars (HR per one-SD increment = 1.36, 95% CI = 1.14 to 1.62, Ptrend < .001). In contrast, replacing carbohydrate with plant fat and protein was associated with lower CRC-specific mortality, with the HR per one-SD increment of 0.81 (95% CI = 0.69 to 0.95, Ptrend = .01) for plant fat and 0.77 (95% CI = 0.62 to 0.95, Ptrend = .02) for plant protein. Similar results were obtained for overall mortality and when changes in macronutrient intake after diagnosis were assessed. Conclusion Plant-rich, low-carbohydrate diet score was associated with lower mortality in patients with nonmetastatic CRC. Substituting plant fat and protein for carbohydrate, particularly that from refined starches and sugars, may improve patients’ survival.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».