Associations between diet quality, blood pressure, and glucose levels among pregnant women in the Asian megacity of Jakarta
Notice bibliographique
Résumé
BACKGROUND: The prevalence of gestational hypertension and diabetes in pregnancy is increasing worldwide. Diet is a modifiable factor that may influence these conditions, but few studies have examined the association between diet quality and blood pressure and glucose profiles among pregnant women. Data are especially scarce for women in low- and middle-income countries (LMICs), where 90% of global pregnancies occur, and in urban settings. We, therefore, assessed these associations among 174 pregnant women in the Asian megacity of Jakarta in a cross-sectional study of the Brain Probiotic and LC-PUFA Intervention for Optimum Early Life (BRAVE) project. METHODS: Trained field-enumerators collected socio-demographic characteristics, measured Mid-Upper Arm Circumference (MUAC), and assessed diet by two 24-hour recalls, which were used to calculate the Alternate Healthy Eating Index for Pregnancy (AHEI-P). Blood pressure was measured by automated sphygmomanometer, and fasting blood glucose by capillary glucometer. General linear models were used to identify associations. RESULTS: The median AHEI-P score was 47.4 (IQR 19.1-76.6). The middle tertile of the AHEI-P score (39.59-56.58) was associated with a 0.4 SD (standardized effect size, 95% CI -0.7 to -0.06; p = 0.02) lower diastolic blood pressure compared with the lowest tertile (<39.59), after adjustment for level of education, smoking status, MUAC, gestational age, history of hypertension, and family history of hypertension. However, no associations were found between the AHEI-P score and systolic blood pressure and blood glucose. CONCLUSION: Higher diet quality was associated with lower diastolic blood pressure among pregnant women in an urban LMIC community, but not with systolic blood pressure and blood glucose. A behavioral change intervention trial would be warranted to confirm the influence of diet quality on blood pressure and glucose levels and among pregnant women, and even before pregnancy.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».