Evidence for protein leverage on Total Energy Intake, but not Body Mass Index, in a large cohort of older adults
Notice bibliographique
Résumé
Abstract BACKGROUND Protein leverage (PL), the phenomenon of food consuming until absolute intake of protein meets a target value, regardless of shortfall or overconsuming for other nutrients in the diet and total energy intake (TEI). Evidence for PL was observed in humans, recently in a cohort of youth with obesity. This study aimed to test for PL and the protein leverage hypothesis (PLH) in a cohort of older adults. METHODS We conducted a retrospective analysis of dietary intake in a cohort of 1699 community-dwelling older adults aged 67-84 years from the NuAge cohort. We computed TEI and the energy contribution (EC) from each macronutrient. The strength of leverage of macronutrients was assessed through power functions ( TEI = µ * EC L ). Body mass index (BMI) was calculated, and mixture models were fitted to predict TEI and BMI from macronutrient ECs. RESULTS The mean TEI was 7,673 kJ and macronutrient ECs were 50.4 %, 33.2 % and 16.4 %, respectively for carbohydrates, fat, and protein. High carbohydrate intake was associated with low fat intake. There was a strong negative association ( L = -0.37; p < 0.001) between the protein EC and TEI. Each percent of energy intake from protein reduced TEI by 77 kJ on average, ceteris paribus . BMI was unassociated with TEI in this cohort, so the PLH could not be tested here. CONCLUSIONS Findings indicate clear evidence for PL on TEI, but not on BMI, likely because TEI and BMI become increasingly uncoupled during aging.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».