Cardiac Rehabilitation for Prediabetes and Metabolic Syndrome Remission: Impact of Ultraprocessed Food–Intake Reduction and Time-Restricted Eating in the DIABEPIC-1 Study
Notice bibliographique
Résumé
Background: Cardiac rehabilitation programs provide a valuable opportunity to promote the adoption of healthy lifestyle behaviors in patients with atherosclerotic cardiovascular diseases (ASCVDs) and metabolic comorbidities, including metabolic syndrome and prediabetes. However, strategies to reverse these conditions remain to be explored. The DIABEPIC-1 study aimed to assess the feasibility of an enhanced 6-month cardiac rehabilitation program for patients with ASCVD while investigating prediabetes and metabolic syndrome remission. Methods: The study combined exercise training with a comprehensive nutritional intervention, emphasizing reduction in intake of ultraprocessed foods, adoption of a Mediterranean diet, and implementation of time-restricted eating. Baseline, 3-month, and 6-month assessments included segmental body-composition measurements, blood analysis, maximal exercise testing, nutritional diaries recorded with the Keenoa AI app, and lifestyle questionnaires. Remission criteria included a return to an HbA1c level of < 5.7%, and < 3 National Cholesterol Education Program Adult Treatment Panel III (NCEP/ATP-III) criteria for prediabetes and metabolic syndrome, respectively. Results: < 0.001) were observed. Improvement in glycemic and lipid profiles, insulin-resistance marker levels, and liver health were noted. Participants enhanced their cardiorespiratory fitness, reduced their consumption of ultraprocessed food, and increased their adherence to the Mediterranean diet and time-restricted eating. Notably, 50% achieved prediabetes remission, and 70% with metabolic syndrome at baseline achieved remission. Conclusions: The study demonstrates the possibility of enhancing cardiac rehabilitation with an intensive nutritional intervention, yielding clinically significant outcomes, including remission of key risk factors in a substantial number of ASCVD patients. Clinical Trial Registration: ClinicalTrials.gov, NCT05459987.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».