Carbohydrate Restriction in Type 1 Diabetes: A Realistic Therapy for Improved Glycaemic Control and Athletic Performance?
Notice bibliographique
Résumé
Around 80% of individuals with Type 1 diabetes (T1D) in the United States do not achieve glycaemic targets and the prevalence of comorbidities suggests that novel therapeutic strategies, including lifestyle modification, are needed. Current nutrition guidelines suggest a flexible approach to carbohydrate intake matched with intensive insulin therapy. These guidelines are designed to facilitate greater freedom around nutritional choices but they may lead to higher caloric intakes and potentially unhealthy eating patterns that are contributing to the high prevalence of obesity and metabolic syndrome in people with T1D. Low carbohydrate diets (LCD; <130 g/day) may represent a means to improve glycaemic control and metabolic health in people with T1D. Regular recreational exercise or achieving a high level of athletic performance is important for many living with T1D. Research conducted on people without T1D suggests that training with reduced carbohydrate availability (often termed "train low") enhances metabolic adaptation compared to training with normal or high carbohydrate availability. However, these "train low" practices have not been tested in athletes with T1D. This review aims to investigate the known pros and cons of LCDs as a potentially effective, achievable, and safe therapy to improve glycaemic control and metabolic health in people with T1D. Secondly, we discuss the potential for low, restricted, or periodised carbohydrate diets in athletes with T1D.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».