White Rice Intake and Incident Diabetes: A Study of 132,373 Participants in 21 Countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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) | 0,000 | 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 découle