MétaCan
Menu
Retour à la cohorte
Enregistrement W3204531593 · doi:10.3390/nu13103504

Which Diets Are Effective in Reducing Cardiovascular and Cancer Risk in Women with Obesity? An Integrative Review

2021· review· en· W3204531593 sur OpenAlexaff
Érika Aparecida Silveira, Priscilla Rayanne e Silva Noll, Noushin Mohammadifard, Ana Paula dos Santos Rodrigues, Nizal Sarrafzadegan, César de Oliveira

Notice bibliographique

RevueNutrients · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEconomic and Social Research Council
Mots-clésObesityMedicineCancerInternal medicineBioinformaticsBiology

Résumé

récupéré en direct d'OpenAlex

Women are more affected by obesity than men which increases their risk of cancer and cardiovascular disease (CVD). Therefore, it is important to understand the effectiveness of different types of diet in the context of women's health. This review aims to summarize the scientific evidence on the effects of different types of diet for women with obesity and their impact on CVD and cancer risk. This review included epidemiological and clinical studies on adult women and different types of diets, such as the Mediterranean (MED) diet, the Traditional Brazilian Diet, the Dietary Approach to Stop Hypertension (DASH), intermittent fasting (IF), calorie (energy) restriction, food re-education, low-carbohydrate diet (LCD) and a very low-carbohydrate diet (VLCD). Our main findings showed that although LCDs, VLCD and IF are difficult to adhere to over an extended period, they can be good options for achieving improvements in body weight and cardiometabolic parameters. MED, DASH and the Traditional Brazilian Diet are based on natural foods and reduced processed foods. These diets have been associated with better women's health outcomes, including lower risk of CVD and cancer and the prevention and treatment of obesity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,320
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetDiet and metabolism studiesTravaux en français237 207