High-carbohydrate–low-glycaemic index dietary advice improves glucose disposition index in subjects with impaired glucose tolerance
Notice bibliographique
Résumé
Controversy exists about the optimal amount and source of dietary carbohydrate for managing insulin resistance. Therefore, we compared the effects on insulin sensitivity (SI), pancreatic responsivity (AIRglu) and glucose disposition index (DI=SI×AIRglu) of dietary advice aimed at reducing the amount or altering the source of dietary carbohydrate in subjects with impaired glucose tolerance (IGT). Subjects were randomized to high-carbohydrate–high-glycaemic index (GI) (high-GI, n 11), high-carbohydrate–low-GI (low-GI, n 13), or low-carbohydrate–high-monounsaturated fat (MUFA, n 11) dietary advice, with SI, AIRglu and DI measured using a frequently sampled, intravenous glucose tolerance test before and after 4 months treatment. Carbohydrate and fat intakes and diet GI, respectively, were: high-GI, 53 %, 28 %, 83; low-GI, 55 %, 25 %, 76; MUFA, 47 %, 35 %, 82. Weight changes on each diet differed significantly from each other: high-GI, -0·49 (SEM 0·29) KG; LOW-GI, -0·19 (sem 0·40) kg; MUFA +0·27 (sem 0·45) kg. Blood lipids did not change, but glycated haemoglobin increased significantly on MUFA, 0·02 (sem 0·11) %, relative to low-GI, -0·19 (sem 0·08) %, and high-GI, -0·13 (sem 0·14) %. Diastolic blood pressure fell by 8 mmHg on low-GI relative to MUFA (P=0·038). Although SI and AIRglu did not change significantly, DI, a measure of the ability of β-cells to overcome insulin resistance by increasing insulin secretion, increased on low-GI by >50 % (P=0·02). After adjusting for baseline values, the increase in DI on low-GI, 0·17 (sem 0·07), was significantly greater than those on MUFA, -0·09 (sem 0·08) and high-GI, -0·03 (sem 0·02) (P=0·019). Thus, the long-term effects of altering the source of dietary carbohydrate differ from those of altering the amount. High-carbohydrate–low-GI dietary advice improved β-cell function in subjects with IGT, and may, therefore, be useful in the management of IGT.
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) | 0,001 | 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 | 0,001 |
| 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 ».