Impact of Simulated Caloric Reduction on Nutrient Adequacy Among U.S. Adults with Overweight or Obesity (National Health and Nutrition Examination Survey [NHANES] 2015–2018)
Notice bibliographique
Résumé
Current guidelines for the treatment of obesity recommend dietary restriction to create a caloric deficit, and caloric reductions of 16% to 68% have been achieved in adults with overweight or obesity engaging in intentional weight loss programs. This study models the impact of simulated caloric reduction on nutrient adequacy among U.S. adults ≥19 y with overweight or obesity using National Health and Nutrition Examination Survey data (2015–2018). Four levels of caloric reduction (20%, 30%, 40%, and 50%) were modeled by prorating daily calorie intake such that usual intakes of 14 nutrients were reduced proportional to caloric reduction. The percentages below the estimated average requirement (EAR) or above the adequate intake (AI) were estimated at each level of caloric reduction, with and without dietary supplement use. Differences across percentages of simulated caloric reductions were determined using nonoverlapping confidence intervals of the means (97.5th percentile confidence intervals were used to approximate P < 0.05). There were significant differences (P < 0.05) in percentages below the EAR (above the AI) between sequential levels of simulated caloric reduction for most of the nutrients analyzed (protein, vitamins A, B-6, folate, and C, calcium, iron, magnesium, potassium, and zinc). For example, after a simulated 30% caloric reduction, 25%–40% of the population had intakes below the EAR for protein, vitamin B-6, and zinc, and 75%–91% of the population had intakes below the EAR for vitamin A, calcium, and magnesium (vs. 4%–18% and 45%–56%, respectively, without caloric reduction). With the inclusion of dietary supplements, percentages below the EAR for all nutrients (except protein) were lower than those for food alone. Caloric reduction may exacerbate nutrient inadequacies among adults with overweight or obesity. Inclusion of nutrient-dense foods, fortified foods, specially formulated products, and/or dietary supplements should be considered for those on calorie-restricted diets for long-term weight loss.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».