Personalized Nutrition Intervention Improves Health Status in Overweight/Obese Chinese Adults: A Randomized Controlled Trial
Notice bibliographique
Résumé
Background: Overweight and obesity increase the risk of noncommunicable diseases (NCDs). Personalized nutrition (PN) approaches may provide tailored nutritional advice/service by focusing on individual's unique characteristics to prevent against NCDs. Objective: We aimed to compare the effect of PN intervention with the traditional "one size fits all" intervention on health status in overweight/obese Chinese adults. Methods: , whereas the PNG experienced PN intervention that was developed by using decision trees based on the subjects' anthropometric measurements, blood samples (phenotype), buccal cells (genotype), and dietary and physical activity (PA) assessments (baseline and updated). Results: Compared with the conventional intervention, PN intervention significantly improved clinical outcomes of anthropometric (e.g., body mass index (BMI), body fat percentage, waist circumference) and blood biomarkers (e.g., blood lipids, uric acid, homocysteine). The improvement in clinical outcomes was achieved through behavior change in diet and PA. The subjects in the PNG had higher China dietary guidelines index values and PA levels. Personalized recommendations of "lose weight," "increase fiber" and "take multivitamin/mineral supplements" were the major contributors to the decrease of BMI and improvement of lipid profile. Conclusion: We provided the first evidence that PN intervention was more beneficial than conventional nutrition intervention to improve health status in overweight/obese Chinese adults. This study provides a model of framework for developing personalized advice in Chinese population.Chictr.org.cn (ChiCTR1900026226).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».