Relationship between egg consumption patterns and nutrient intake, diet quality, weight measures, and cardiovascular risk factors (CVRF)‐2001–2008 NHANES
Notice bibliographique
Résumé
This study examined the association of egg consumption patterns (ECP) with nutrient intake, diet quality, adiposity, and CVRF in adults participating in NHANES 2001–2008. 24‐hour dietary recalls and cluster analysis determined the ECP; BMI and waist circumference (WC) assessed adiposity; CVRF were serum lipids/blood pressure/triglycerides/glucose/insulin. Covariate adjusted LS means ± SE were generated. Eight ECP were created (34.5% of the variance in total energy intake). ECP were compared to the no egg pattern, which was the most common ECP (80.2% of the sample) followed by the egg/meat, poultry, fish [MPF]/grain/potato/fruit juice/vegetable pattern (7.8%). 1–3% of the sample consumed one of the six remaining ECP. Most ECP resulted in higher energy intake. Several ECP showed lower intakes of added sugars, but higher intakes of saturated and solid fats. Total nutrient intake varied in the ECP; three ECP had lower diet quality. Two ECP were associated with BMI and WC; when food groups consumed in those ECP were covariates, only one ECP remained significant (egg/MPF/grain; (p≤0.0063). Only one ECP was positively associated with diastolic blood pressure and LDL‐C (both p≤0.0063). Relationships between food patterns and health outcomes are complex. More studies are needed to determine what foods drive these associations and how foods consumed at other meals influence results. Support: USDA & Egg Nutrition Board.
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 | 0,000 | 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) | 0,001 | 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 ».