The Effects of Different Quantities and Qualities of Protein Intake in People with Diabetes Mellitus
Notice bibliographique
Résumé
The recommended amount and quality of protein in diets of diabetic patients are highly controversial. In order to provide evidence-based information, the Diabetes Nutrition Study Group (DNSG) used a grading procedure used for quality of evidence and strength of recommendations (GRADE). A protein intake of 10% to 20% of energy intake (E%) or about 0.8 to 1.3 g/kg body weight in people below 65 years of age, and 15% to 20% of E% in people above 65 years of age appeared safe in weight-stable conditions. There were no intervention studies addressing metabolic effects, mortality, or cardiovascular events over prolonged periods. Body weight is closely linked to metabolic control and high protein diets are often recommended. Weight-loss diets that include 23% to 32% of E% as protein for up to one year reduced blood pressure and body weight slightly but significantly more than lower protein diets, whereas blood lipids, fasting blood glucose, and HbA1c improved similarly with higher or lower protein intakes in participants with a glomerular filtration rate (GFR) >60 mL/min/1.73 m2. Patients with a GFR <60 mL/min/1.73 m2 did not show a faster decline of GFR or kidney function with protein intakes around 0.8 g/kg body weight as compared with lower intakes, thereby arguing against a restriction. The effects of protein intake on diabetic eye or nerve disease have not been reported. There are a number of studies that have compared different types of animal proteins (milk, chicken, beef, pork, and fish) or compared animal with plant protein in diabetic patients and have reported a greater reduction of serum cholesterol with plant protein. In summary, the suggested range of protein intake appears to be safe and can be adapted according to personal dietary preferences.
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 ».