The relationship between fermented and nonfermented dairy products consumption and hypertension among premature coronary artery disease patients: Iran premature coronary artery disease study
Notice bibliographique
Résumé
Abstract Dairy products may affect hypertension (HTN) risk. The aim of this study was to examine the association between fermented and nonfermented dairy foods and HTN in a sample of premature coronary artery disease (PCAD) subjects. This cross‐sectional study was performed on 1854 PCAD patients. A 110‐item food frequency questionnaire was used to assess dietary intakes. HTN was considered if systolic blood pressure was 140 mmHg and higher and/or diastolic blood pressure was 90 mmHg and higher. The odds ratio of HTN across the quartiles of different types of dairy products was evaluated by binary logistic regression. The mean (SD) of dairy products consumption was 339.8 (223.5) g/day, of which 285.4 g/day was fermented dairy products. In the crude model, participants in the fourth quartile of fermented dairy products had lesser risk of HTN compared to the bottom quartile (OR = 0.70, 95% CI: 0.52, 0.96; p for trend = .058). However, after considering the possible confounders, the significance disappeared. Subjects in the top quartile of high‐fat fermented dairy products had 34% lower risk for HTN compared to the bottom quartile (95% CI: 0.49, 0.88; p for trend < .001). Adjustment for potential risk factors weakened the association but remained significant (OR = 0.73, 95% CI: 0.53, 1.01; p for trend = .001). Nonsignificant relation was detected between low‐fat fermented, low‐fat nonfermented, and high‐fat nonfermented dairy products and HTN. Moderate consumption of high‐fat fermented dairy products, in a population with low consumption of dairy foods, might relate to reduced likelihood of HTN.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».