Low vs. high glycemic load diets reduce insulin‐like growth factors and inflammatory factors in overweight persons in a controlled feeding study
Notice bibliographique
Résumé
Our objective was to investigate whether associations of obesity with chronic disease risk biomarkers are mediated by dietary patterns that cause unfavorable metabolic profiles. Our randomized, cross‐over, controlled feeding study tested the effect of low‐ and high‐glycemic load (GL) experimental diets on disease risk biomarkers [glucose, insulin, IGF1, IGFBP3, leptin, adiponectin, interleukin‐6 and C‐reactive protein (CRP)]. Normal weight (n=40) and overweight/obese (n=42) men and women completed two 28‐day feeding periods – low GL and high GL. All meals were prepared in a metabolic kitchen and were isocaloric; both arms had identical macronutrients but differed in GL. Fasting blood was drawn before and after each feeding period. Linear mixed models tested the intervention effect on the biomarkers; models were adjusted for baseline biomarker concentrations, diet sequence, feeding period, age, sex and body fat mass. Compared to the high‐GL diet, the low‐GL diet significantly reduced IGF1 (p=0.04) and the IGF1:IGFBP3 ratio (p=0.01). Results were more pronounced among overweight/obese participants. When stratified by body fat mass, CRP was significantly lower for the low‐ vs. the high GL diet for those with high body fat (p=0.01). A dietary change emphasizing low GL foods may improve the metabolic and inflammatory profile of overweight and obese persons. Supported by NIH U54 CA116847, NIH R03 CA132158.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».