The association of food quality score and cardiovascular diseases risk factors among women: A cross-sectional study
Notice bibliographique
Résumé
Introduction: Limited studies are available regarding the relationship between Food Quality Score (FQS) and cardiovascular disease (CVD) risk factors. Thus, this study was aimed to investigate the association of FQS with CVD risk factors in women. Methods: This cross-sectional study was carried out among 368 women aged 20-50 years who randomly selected from health centers across Tehran, Iran. Dietary intake was collected using a reliable and validated food frequency questionnaire (FFQ). The FQS includes vegetables, fruits, whole grains, yogurt, nuts and legumes, coffee, refined grains, desserts and ice cream, sugar-sweetened beverages, red meats, fried food consumed outside the home, processed meats, potato and potato chips. Standard methods were used to assess blood pressure, biochemical and anthropometric measures. Multivariate logistic regression was used to examine the association between FQS and CVD risk factors. Results: Participant mean age and body mass index (BMI) were 30.7 ± 6.9 years and 24.3 ± 4.0 kg/m2, respectively. After taking potential confounders into account, FQS had no significant association with risk of overweight and obesity [Odds ratio (OR): 1.1, 95% confidence interval (CI): 0.68, 1.8; P = 0.683], diabetes (OR: 0.62, 95% CI: 0.22, 1.74; P = 0.374), metabolic syndrome (OR: 0.36, 95% CI: 0.10, 1.32; P = 0.127), hypercholesterolemia (OR: 0.54, 95% CI: 0.29, 1.01; P= 0.051), or hypertriglyceridemia (OR: 1.63, 95% CI: 0.71, 3.70; P = 0.244). Conclusion: The results showed that FQS was not significantly associated with CVD risk factors among women. Prospective cohort studies are warranted to confirm our findings.
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 | 0,014 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».