Dietary Transitions and Health Outcomes in Four Populations – Systematic Review
Notice bibliographique
Résumé
IMPORTANCE: Non-communicable chronic diseases (NCDs) such as obesity, type 2 diabetes, heart disease, and cancer were rare among non-western populations with traditional diets and lifestyles. As populations transitioned toward industrialized diets and lifestyles, NCDs developed. OBJECTIVE: We performed a systematic literature review to examine the effects of diet and lifestyle transitions on NCDs. EVIDENCE REVIEW: We identified 22 populations that underwent a nutrition transition, eleven of which had sufficient data. Of these, we chose four populations with diverse geographies, diets and lifestyles who underwent a dietary and lifestyle transition and explored the relationship between dietary changes and health outcomes. We excluded populations with features overlapping with selected populations or with complicating factors such as inadequate data, subgroups, and different study methodologies over different periods. The selected populations were Yemenite Jews, Tokelauans, Tanushimaru Japanese, and Maasai. We also review transition data from seven excluded populations (Pima, Navajo, Aboriginal Australians, South African Natal Indians and Zulu speakers, Inuit, and Hadza) to assess for bias. FINDINGS: The three groups that replaced saturated fats (SFA) from animal (Yemenite Jews, Maasai) or plants (Tokelau) with refined carbohydrates had negative health outcomes (e.g., increased obesity, diabetes, heart disease). Yemenites reduced SFA consumption by >40% post-transition but men's BMI increased 19% and diabetes increased ~40-fold. Tokelauans reduced fat, dramatically reduced SFA, and increased sugar intake: obesity and diabetes rose. The Tanushimaruans transitioned to more fats and less carbohydrates and used more anti-hypertensive medications; stroke and breast cancer declined while heart disease was stable. The Maasai transitioned to lower fat, SFA and higher carbohydrates and had increased BMI and diabetes. Similar patterns were observed in the seven other populations. CONCLUSION: The nutrient category most strongly associated with negative health outcomes - especially obesity and diabetes - was sugar (increased 600-650% in Yemenite Jews and Tokelauans) and refined carbohydrates (among Maasai, total carbohydrates increased 39% in men and 362% in women), while increased calories was less strongly associated with these disorders. Across 11 populations, NCDs were associated with increased refined carbohydrates more than increased calories, reduced activity or other factors, but cannot be attributed to SFA or total fat consumption.
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 | 0,006 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,010 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».