Health effects associated with vegetable consumption: a Burden of Proof study
Notice bibliographique
Résumé
Previous research suggests a protective effect of vegetable consumption against chronic disease, but the quality of evidence underlying those findings remains uncertain. We applied a Bayesian meta-regression tool to estimate the mean risk function and quantify the quality of evidence for associations between vegetable consumption and ischemic heart disease (IHD), ischemic stroke, hemorrhagic stroke, type 2 diabetes and esophageal cancer. Increasing from no vegetable consumption to the theoretical minimum risk exposure level (306-372 g daily) was associated with a 23.2% decline (95% uncertainty interval, including between-study heterogeneity: 16.4-29.4) in ischemic stroke risk; a 22.9% (13.6-31.3) decline in IHD risk; a 15.9% (1.7-28.1) decline in hemorrhagic stroke risk; a 28.5% (-0.02-51.4) decline in esophageal cancer risk; and a 26.1% (-3.6-48.3) decline in type 2 diabetes risk. We found statistically significant protective effects of vegetable consumption for ischemic stroke (three stars), IHD (two stars), hemorrhagic stroke (two stars) and esophageal cancer (two stars). Including between-study heterogeneity, we did not detect a significant association with type 2 diabetes, corresponding to a one-star rating. Although current evidence supports increased efforts and policies to promote vegetable consumption, remaining uncertainties suggest the need for continued research.
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 | 0,111 | 0,361 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,014 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».