Effects of nuts on glycemic control and coronary heart disease risk factors in type 2 diabetes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background Nut consumption, including peanuts, has been associated with a reduced risk of coronary heart disease (CHD). More recently, interest has grown in the potential value of nuts in diets of individuals with diabetes. Objective To determine if tree nuts and peanuts improve glycemic control and CHD risk factors in type 2 diabetes. Methods 117 subjects with type 2 diabetes were randomized to a 3‐month parallel design study. Subjects were randomized to one of three treatments: 1) Test (Full Dose Nut Diet): 75g/d for 2,000kcal/d; 2) Test (Half Dose Nut Diet): half‐dose of nuts and half‐dose of control muffin; and 3) Control: whole wheat muffins matched with energy content of nut supplements. Fasting blood samples were collected at baseline and weeks 2, 4, 8, 10 and 12 for markers of glycemic control and CHD risk factors. Results Compared to the control, the full dose nut supplement significantly lowered HbA1c (P=0.039), total‐C (P=0.002), LDL‐C (P=0.007), total‐C:HDL‐C (P=0.015), and LDL‐C:HDL‐C (P=0.028). The half‐dose of nuts did not result in any significant improvements in glycemic control or blood lipids. Conclusions The addition of nuts to the diet improves glycemic control and reduces blood lipid CHD risk factors in type 2 diabetes. (Funded by Canada Research Chair Endowment; International Tree Nut Council Nutrition Research & Education Foundation; The Peanut Institute)
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 découle