Dietary Fiber Intake, Cardiovascular Risk Factors, and Kidney Function: A Mediation Analysis
Notice bibliographique
Résumé
Background: Higher fiber intake may be associated with higher eGFR but the mechanisms underlying this association are poorly understood. Considering that higher fiber intake is linked to improved cardiovascular (CV) risk factors, we hypothesize that the effect of fiber intake on eGFR could be mediated by these CV factors. Methods: CARTaGENE is a population survey of healthy adults. We used multiple linear regression to study the association between fiber intake and eGFR while adjusting for confounding factors, including age, sex, diabetes, hypertension, dyslipidemia, body mass index [BMI], smoking, prior CV disease, physical activity and caloric intake. We assessed whether CV risk factors lie in the causal pathway between fiber intake and eGFR through mediation analyses. Results: We included 9,854 of the CARTaGENE participants with a completed food questionnaire (mean age: 53 years, 56% males). The main comorbidities were hypertension (25%), diabetes (8%) and cardiovascular disease (7%). The median daily fiber intake was 17.2g (IQR 10.7-23.7) and the mean eGFR was 87.3 ±14.6 mL/min/1.73 m2. After adjustment for the above factors, fiber intake was associated with higher eGFR and serum HDL levels, and lower BMI, glycated hemoglobin and triglyceride levels (Table). Other risk factors were found to be non-significant. The mediation analysis demonstrated that only 10% of the effect of fiber intake on eGFR was mediated through BMI and triglyceride levels. Conclusions: Higher dietary fiber intake is associated with higher eGFR and better control of certain cardiovascular risk factors. While the association between fiber intake and kidney function may be marginally mediated by healthy weight and triglyceride levels, further studies are needed to understand the mechanisms underlying this association.Association between dietary fiber intake and clinical variables.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».