Healthy food diversity and the risk of major chronic diseases in the EPIC-Potsdam study
Notice bibliographique
Résumé
Practicing a diverse diet may reduce chronic disease risk, but clear evidence is scarce and previous diet diversity measures rarely captured diet quality. We investigated the effect of the Healthy Food Diversity (HFD)-Index on incident type 2 diabetes (T2D), myocardial infarction (MI) and stroke among a middle-aged German population. The EPIC-Potsdam study recruited 27,548 participants from 1994 to 1998. Semiquantitative food frequency questionnaire was used to calculate the HFD-Index. Longitudinal associations of HFD-Index and verified incident diseases were investigated by multiple-adjusted Cox proportional hazards regression models. Among 26,591 participants (mean age 50.5 years, 60% women), 1537, 376 and 412 developed T2D, MI and stroke, respectively, over an average follow-up of 10.6 years. There was no association between HFD-Index and incident T2D or MI. Higher compared to lower HFD-Index was inversely associated with incident stroke in men [HR (95% CI): 0.80 (0.70, 0.92)], but positively associated with incident stroke in women [1.20 (1.01, 1.42)]. Although there was no clear association between HFD-Index and T2D or MI incidence, we found a beneficial association in men and a harmful association in women for incident stroke. We emphasised the need for further investigations on combining diet diversity and diet quality in relation to health outcomes.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».