Ultra-Processed Food, Disease Activity, and Inflammation in Ulcerative Colitis: The Manitoba Living With IBD Study
Notice bibliographique
Résumé
INTRODUCTION: The purpose of this study was to investigate the relationship between ultra-processed food (UPF) consumption and (i) symptomatic disease and (ii) intestinal inflammation among adults with inflammatory bowel disease (IBD). METHODS: We identified participants (Crohn's disease [CD] and ulcerative colitis [UC]) from the Manitoba Living with IBD study. Active disease was defined using the IBD Symptom Inventory (score >14 for CD; >13 for UC); fecal calprotectin was measured for intestinal inflammation (>250 μg/g). Diet data were collected using the Harvard Food Frequency Questionnaire. UPF consumption was determined by the NOVA classification system. Percentage of energy consumption from UPFs was calculated and divided into 3 tertiles (T1 = low; T3 = high). Multiple linear regression analysis was used for active disease and inflammation predicted by UPF consumption. RESULTS: Among 135 participants (65% with CD), mean number of episodes of active disease (14.2 vs 6.21) and active inflammation (1.6 vs 0.6) was significantly higher among participants with UC in T3 compared with T1 of UPF consumption ( P < 0.05). When adjusting for age, sex, disease type, and duration, number of episodes of active disease was lower in T1 compared with T3 (β = -7.11, P = 0.02); similarly, number of episodes of intestinal inflammation was lower in T1 (β = -0.95, P = 0.03). No significant differences were observed among participants with CD. DISCUSSION: UPF consumption may be a predictor of active symptomatic disease and inflammation among participants with UC. Reducing UPF consumption is a dietary strategy that can be suggested for minimizing symptoms and inflammation among people living with IBD.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».