Vegan diet, processed foods, and body weight: a secondary analysis of a randomized clinical trial
Notice bibliographique
Résumé
Low-fat plant-based diets cause weight loss in clinical trials. However, many foods are highly processed, raising the question as to their effect on body weight. This secondary analysis assessed the associations between changes in processed food intake and weight loss in 244 overweight adults randomly assigned to a vegan (n = 122) or control group (n = 122) for 16 weeks. Three-day dietary records were analyzed using the NOVA system, which categorizes foods from 1 to 4, based on degree of processing. A repeated measure ANOVA, Pearson correlations, and a multivariate regression model were used for statistical analysis. The consumption of animal foods in categories 1-4 decreased in the vegan group, compared with the control group. Body weight decreased in the vegan group (treatment effect - 5.9 kg [95% CI -6.7 to -5.0]; Gxt, p < 0.001). Changes in consumption of animal foods in categories 1-4 were positively associated with changes in body weight: r = + 0.34; p < 0.001 for category 1; r = + 0.18; p = 0.008 for category 2; r = + 0.17; p = 0.01 for category 3; and r = + 0.22; p = 0.001 for category 4. In no NOVA category was the consumption of plant-based processed foods positively and significantly associated with weight gain. The top three independent predictors of weight loss were reduced intakes of processed, unprocessed or minimally processed, and ultra-processed animal foods. These findings suggest that replacing animal products with plant-based foods may be an effective weight-loss strategy, even when processed plant-based foods are included.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».