MétaCan
Menu
Retour à la cohorte
Enregistrement W4303961880 · doi:10.3390/nu14194104

Effect of Personalized Nutrition on Dietary, Physical Activity, and Health Outcomes: A Systematic Review of Randomized Trials

2022· review· en· W4303961880 sur OpenAlexaff
Sangeetha Shyam, Ke Xin Lee, Angeline Shu Wei Tan, Tien An Khoo, Shivani Harikrishnan, Shehzeen Alnoor Lalani, Amutha Ramadas

Notice bibliographique

RevueNutrients · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésGeneralizability theoryMedicineRandomized controlled trialSystematic reviewPsychological interventionAlternative medicineMEDLINEGerontologyEnvironmental healthFamily medicinePsychologyPsychiatryPathologyBiology

Résumé

récupéré en direct d'OpenAlex

Personalized nutrition is an approach that tailors nutrition advice to individuals based on an individual's genetic information. Despite interest among scholars, the impact of this approach on lifestyle habits and health has not been adequately explored. Hence, a systematic review of randomized trials reporting on the effects of personalized nutrition on dietary, physical activity, and health outcomes was conducted. A systematic search of seven electronic databases and a manual search resulted in identifying nine relevant trials. Cochrane's Risk of Bias was used to determine the trials' methodological quality. Although the trials were of moderate to high quality, the findings did not show consistent benefits of personalized nutrition in improving dietary, behavioral, or health outcomes. There was also a lack of evidence from regions other than North America and Europe or among individuals with diseases, affecting the generalizability of the results. Furthermore, the complex relationship between genes, interventions, and outcomes may also have contributed to the scarcity of positive findings. We have suggested several areas for improvement for future trials regarding personalized nutrition.

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)0,015
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,053
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0120,010
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,074
Tête enseignante GPT0,422
Écart entre enseignants0,348 · 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'étudeRevue systématique
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

Citations65
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207