MétaCan
Menu
Retour à la cohorte
Enregistrement W4297387060 · doi:10.1136/bmjopen-2022-065426

White rice, brown rice and the risk of type 2 diabetes: a systematic review and meta-analysis

2022· review· en· W4297387060 sur OpenAlexaffabout
Jiayue Yu, Balaji Bhavadharini, María Tinajero, Sarah Jarvis, Tauseef Khan, Vasudevan Sudha, Viren Ranawana, Amudha Poobalan, Shilpa N Bhupathiraju, Qi Sun, Walter C. Willett, Frank B. Hu, David J.A. Jenkins, Viswanathan Mohan, Vasanti Malik

Notice bibliographique

RevueBMJ Open · 2022
Typereview
Langueen
DomaineNursing
ThématiqueFood Science and Nutritional Studies
Établissements canadiensSt. Michael's HospitalWomen's College HospitalPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisType 2 diabetesCohort studySystematic reviewRelative riskProspective cohort studyBrown riceRandomized controlled trialCohortMEDLINEEnvironmental healthDiabetes mellitusInternal medicineConfidence intervalEndocrinologyFood science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Intake of white rice has been associated with elevated risk for type 2 diabetes (T2D), while studies on brown rice are conflicting. To inform dietary guidance, we synthesised the evidence on white rice and brown rice with T2D risk. DESIGN: Systematic review and meta-analysis. DATA SOURCES: PubMed, EMBASE and Cochrane databases were searched through November 2021. ELIGIBILITY CRITERIA: Prospective cohort studies of white and brown rice intake on T2D risk (≥1 year), and randomised controlled trials (RCTs) comparing brown rice with white rice on cardiometabolic risk factors (≥2 weeks). DATA EXTRACTION AND SYNTHESIS: Data were extracted by the primary reviewer and two additional reviewers. Meta-analyses were conducted using random-effects models and reporting followed the Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines. Risk of bias was assessed using the Newcastle Ottawa Scale for prospective cohort studies and the Cochrane Risk of Bias Tool for RCTs. Strength of the meta-evidence was assessed using NutriGrade. RESULTS: Nineteen articles were included: 8 cohort studies providing 18 estimates (white rice: 15 estimates, 25 956 cases, n=5 77 426; brown rice: 3 estimates, 10 507 cases, n=1 97 228) and 11 RCTs (n=1034). In cohort studies, white rice was associated with higher risk of T2D (pooled RR, 1.16; 95% CI: 1.02 to 1.32) comparing extreme categories. At intakes above ~300 g/day, a dose-response was observed (each 158 g/day serving was associated with 13% (11%-15%) higher risk of T2D). Intake of brown rice was associated with lower risk of T2D (pooled RR, 0.89; 95% CI: 0.81 to 0.97) comparing extreme categories. Each 50 g/day serving of brown rice was associated with 13% (6%-20%) lower risk of T2D. Cohort studies were considered to be of good or fair quality. RCTs showed an increase in high-density lipoprotein-cholesterol (0.06 mmol/L; 0.00 to 0.11 mmol/L) in the brown compared with white rice group. No other significant differences in risk factors were observed. The majority of RCTs were found to have some concern for risk of bias. Overall strength of the meta-evidence was moderate for cohort studies and moderate and low for RCTs. CONCLUSION: Intake of white rice was associated with higher risk of T2D, while intake of brown rice was associated with lower risk. Findings from substitution trials on cardiometabolic risk factors were inconsistent. PROSPERO REGISTRATION NUMBER: CRD42020158466.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,045
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0200,037
Bibliométrie0,0090,010
Études des sciences et des technologies0,0010,001
Communication savante0,0050,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,214
Tête enseignante GPT0,425
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetFood Science and Nutritional StudiesTravaux en français237 207