Dietary Patterns in Early Young Adulthood Predicted Risks of Abnormal Blood Lipids in Later Young Adults: Evidence From a Prospective Cohort Study
Notice bibliographique
Résumé
Background and aims: The extent to which dietary patterns influence the risk of abnormal blood lipids throughout young adulthood remains unclear. the aim of this is study is to investigate whether early young adulthood dietary patterns predict the risk of abnormal blood lipids during later young adulthood. We used data from a long running birth cohort study in Australia. Western dietary pattern rich in meats, processed foods and high-fat dairy products and prudent pattern rich in fruit, vegetables, fish, nuts, whole grains and low-fat dairy products were derived using principal component analysis at the 21-year follow-up from dietary data obtained using a food frequency questionnaire. After 9-years, fasting blood samples of all participants were collected and their total, low-density lipoprotein (LDL) and high-density lipoprotein (HDL) cholesterols and triglyceride (TG) levels were measured. Abnormal blood lipids were based on clinical cut-offs for total, LDL and HDL cholesterols, and TG and relative distributions for total: HDL and TG: HDL cholesterols ratios. Log-binomial models were used to estimate risk of each outcome in relation to dietary patterns Greater adherence to the Western pattern predicted increased risks of high LDL (RR: 1.47; 95%CI: 1.06, 2.03) and TG (1.90; 1.25, 2.86), and high ratios of total: HDL (1.48; 1.00, 2.19) and TG: HDL (1.78; 1.18, 2.70) cholesterols in fully adjusted models. Conversely, a prudent pattern predicted reduced risks of low HDL (0.58; 0.42, 0.78) and high TG (0.66; 0.47, 0.92) and high total: HDL (0.71; 0.51, 0.98) and TG: HDL (0.61; 0.45, 0.84) cholesterols ratios. This is the first prospective study to show greater adherence to an unhealthy Western diet predicted increased risks of abnormal blood lipids, whereas a healthy prudent diet predicted lower risks in young adults. Addressing diets in the early course may improve the cardiovascular health of young adults. The Original cohort (Mater-University of Queensland Study of Pregnancy (MUSP)) is supported by the National and Medical Research Council (NHMRC), Australia. However, the works in this particular abstract did not receive any funding.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».