MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403562768 · doi:10.1210/clinem/dgae725

The Role of Whole Food Plant-Based Food Intake on Postprandial Glycemia in Type 1 Diabetes

2024· article· en· W4403562768 sur OpenAlexaff
Rebecca J. Johnson, Simon Bergford, Robin L. Gal, Peter Calhoun, Karissa Neubig, Corby K. Martin, Michael C. Riddell, Ananta Addala

Notice bibliographique

RevueThe Journal of Clinical Endocrinology & Metabolism · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensYork University
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of General Medical SciencesNutrition Obesity Research Center, University of WashingtonLouisiana Clinical and Translational Science CenterLeona M. and Harry B. Helmsley Charitable TrustPennington Biomedical Research Center, Louisiana State University
Mots-clésPostprandialType 2 diabetesMealFood scienceAnimal scienceDiabetes mellitusMedicineChemistryBiologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

CONTEXT: A whole food plant-based diet (WFPBD), minimally processed foods with limited consumption of animal products, is associated with improved health outcomes. The benefits of WFPBD are underexplored in individuals with type 1 diabetes (T1D). OBJECTIVE: The primary objective of this analysis is to evaluate the association between WFPBD on glycemia in individuals with T1D. METHODS: Utilizing prospectively collected meal events from the Type 1 Diabetes Exercise Initiative, we examined the effect of WFPBD intake on glycemia, determined by the plant-based diet index (PDI). The PDI calculates overall, healthful (hPDI), and unhealthy PDI (uPDI) to evaluate for degree of processed foods and animal products (ie, WFPBD). Mixed effects linear regression model assessed time in range (TIR), time above range, and time below range. RESULTS: We analyzed 7938 meals from 367 participants. TIR improved with increasing hPDI scores, conferring a 4% improvement in TIR between highest and lowest hPDI scores (high hPDI: 75%, low hPDI: 71%; P < .001). Compared with meals with low hPDI, meals with high hPDI had lower glucose excursion (high hPDI: 53 mg/dL, low hPDI: 62 mg/dL; P < .001) and less time >250 mg/dL (high hPDI: 8%, low hPDI: 14%; P < .001). These effects were present but less pronounced by PDI (high PDI: 74%, low PDI: 71%; P = .01). No differences in time below 70 mg/dL and 54 mg/dL were observed by PDI or hPDI. CONCLUSION: Meal events with higher hPDI were associated with 4% postprandial TIR improvement. These benefits were seen primarily in WFPBD meals (captured by hPDI) and less pronounced plant-based meals (captured by PDI), emphasizing the benefit of increasing unprocessed food intake over limiting animal products alone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,285
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Clinical Endocrinology & Metabolism→Même sujetAgriculture Sustainability and Environmental Impact→Travaux en français237 207→