Sources of Variation in Food-Related Metabolites during Pregnancy
Notice bibliographique
Résumé
The extent to which variation in food-related metabolites are attributable to non-dietary factors remains unclear, which may explain inconsistent food-metabolite associations observed in population studies. This study examined the association between non-dietary factors and the serum concentrations of food-related biomarkers and quantified the amount of variability in metabolite concentrations explained by non-dietary factors. Pregnant women (n = 600) from two Canadian birth cohorts completed a validated semi-quantitative food frequency questionnaire, and serum metabolites were measured by multisegment injection-capillary electrophoresis-mass spectrometry. Hierarchical linear modelling and principal component partial R-square (PC-PR2) were used for data analysis. For proline betaine and DHA (mainly exogenous), citrus foods and fish/fish oil intake, respectively, explained the highest proportion of variability relative to non-dietary factors. The unique contribution of dietary factors was similar (15:0, 17:0, hippuric acid, TMAO) or lower (14:0, tryptophan betaine, 3-methylhistidine, carnitine) compared to non-dietary factors (i.e., ethnicity, maternal age, gestational age, pre-pregnancy BMI, physical activity, and smoking) for metabolites that can either be produced endogenously, biotransformed by gut microbiota, and/or derived from multiple food sources. The results emphasize the importance of adjusting for non-dietary factors in future analyses to improve the accuracy and precision of the measures of food intake and their associations with health and disease.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».