Fat from dairy foods and ‘meat’ consumed within recommended levels is associated with favourable serum cholesterol levels in institutionalised older adults
Notice bibliographique
Résumé
Abstract CVD is common in older adults. Consumption of ‘meat’ (beef, pork, lamb, game, poultry, seafood, eggs) and dairy foods (milk, cheese, yoghurt) is encouraged in older adults as these foods provide protein and nutrients such as essential fatty acids, Ca, Fe, Zn and vitamins A, D and B 12 required for healthy ageing. However, these foods also contain saturated fats considered detrimental to cardiovascular health. To determine the effect of their consumption on CVD risk we assessed associations between fat intake from ‘meat’ and dairy foods and serum cholesterol levels in 226 aged-care residents (mean age 85·5 years, 70 % female). Dietary intake was determined over 2 d using visual estimation of plate waste. Fat content of foods was determined using nutrition analysis software (Xyris, Australia). Fasting serum total cholesterol (TC), LDL-cholesterol and HDL-cholesterol were measured, and the TC:HDL-cholesterol ratio calculated. Associations were determined using random-effect models adjusted for CVD risk factors using STATA/IC 13.0. Total fat and saturated fat from ‘meat’ and dairy foods were associated with higher serum HDL-cholesterol levels, and dairy fat intake and number of servings were associated with a lower TC:HDL-cholesterol ratio. Every 10 g higher intake of fat and saturated fat from dairy products, and each additional serving was associated with a −0·375 (95 % CI −0·574, −0·175; P = 0·0002), a −0·525 (95 % CI −0·834, −0·213; P = 0·001) and a −0·245 (95 % CI −0·458, −0·033; P = 0·024) lower TC:HDL-cholesterol ratio, respectively. Provision of dairy foods and ‘meat’ in recommended amounts to institutionalised older adults potentially improves intakes of key nutrients with limited detriment to cardiovascular health.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».