White Rice Intake and Incident Diabetes: A Study of 132,373 Participants in 21 Countries
Notice bibliographique
Résumé
OBJECTIVE Previous prospective studies on the association of white rice intake with incident diabetes have shown contradictory results but were conducted in single countries and predominantly in Asia. We report on the association of white rice with risk of diabetes in the multinational Prospective Urban Rural Epidemiology (PURE) study. RESEARCH DESIGN AND METHODS Data on 132,373 individuals aged 35–70 years from 21 countries were analyzed. White rice consumption (cooked) was categorized as <150, ≥150 to <300, ≥300 to <450, and ≥450 g/day, based on one cup of cooked rice = 150 g. The primary outcome was incident diabetes. Hazard ratios (HRs) were calculated using a multivariable Cox frailty model. RESULTS During a mean follow-up period of 9.5 years, 6,129 individuals without baseline diabetes developed incident diabetes. In the overall cohort, higher intake of white rice (≥450 g/day compared with <150 g/day) was associated with increased risk of diabetes (HR 1.20; 95% CI 1.02–1.40; P for trend = 0.003). However, the highest risk was seen in South Asia (HR 1.61; 95% CI 1.13–2.30; P for trend = 0.02), followed by other regions of the world (which included South East Asia, Middle East, South America, North America, Europe, and Africa) (HR 1.41; 95% CI 1.08–1.86; P for trend = 0.01), while in China there was no significant association (HR 1.04; 95% CI 0.77–1.40; P for trend = 0.38). CONCLUSIONS Higher consumption of white rice is associated with an increased risk of incident diabetes with the strongest association being observed in South Asia, while in other regions, a modest, nonsignificant association was seen.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».