Dietary fat and carbohydrate intake during early pregnancy and risk of gestational diabetes
Notice bibliographique
Résumé
Dietary intake is known to influence gestational diabetes (GDM), but there is a little consensus on the optimal distribution of dietary fat and carbohydrate intake during pregnancy for GDM prevention. We aimed to investigate the impact of macronutrient intake distribution during the second trimester on the risk of GDM. Women who were with singleton pregnancies and without pre‐existing diabetes were included. Participants were asked to recall second trimester dietary intake using a validated food frequency questionnaire and in addition underwent a 3‐hour oral glucose tolerance test. Of 205 participants, 46 (22.4%) had GDM assessed at 30±2.6 (mean±SD) weeks gestation. Women who had GDM compared to those free of GDM consumed higher % intake of total fat (mean±SD: 37±5.2 v. 34±5.3 %, respectively) and lower % intake of carbohydrate (49±6.2 v. 52±6.2 %) (both p=0.01). After adjustment for age, ethnicity, family history of diabetes, prepregnancy BMI, and pregnancy weight gain, % total fat and % carbohydrate intake were individually associated with GDM (odds ratio per 5% increase 1.54 [95% CI 1.04–2.29] and 0.68 [0.49–0.93], respectively). In conclusion, dietary intakes higher in total fat and lower in carbohydrate, potential modifiable behavioral determinants, during early pregnancy were associated with increased risk for GDM later in 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 | 0,001 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».