Carbohydrate Quality Is Independently Associated with Cardiometabolic Risk in Chinese Individuals with Impaired Glucose Tolerance
Notice bibliographique
Résumé
Background/Objectives: Dietary manipulation with carbohydrate restriction has been extensively investigated in diabetes prevention programmes. Carbohydrate (CHO) quality, rather than quantity, is associated with various metabolic outcomes. Few studies examined the fibre/CHO ratio on lipid profiles, liver fat and insulin resistance in individuals with impaired glucose tolerance (IGT). Methods: In this comprehensive cross-sectional study, we evaluated the association of carbohydrate-related nutritional factors with metabolic parameters in a cohort of 177 Hong Kong Chinese with impaired glucose tolerance (IGT). The subjects underwent a 75 g oral glucose tolerance test (OGTT) with measurement of plasma C-peptide and lipid profiles, body composition, transient elastography, and three-day food records. The fibre/CHO ratio is calculated by dividing fibre intake by total carbohydrate intake (in grams). Results: The median (IQR) age of the study cohort was 60 (54–62) with a mean ± SD BMI of 26.7 ± 3.9 kg/m2, and 40.7% were female. A higher carbohydrate quality, measured as fibre/CHO ratio, was inversely correlated with triglycerides (r = −0.305, p < 0.001) and positively correlated with High-density lipoproteins cholesterol (HDL-C) (r = 0.354, p < 0.001). These associations remained significant after adjusting for age, gender, lipid-lowering drugs, total calorie, macronutrient and sugar intake, physical activity and sodium/potassium ratio. Blood pressure, liver fat and insulin resistance were also associated with the fibre/CHO ratio after the adjustment of these confounding factors. Consuming more than 5.5 g of fibre per 100 g carbohydrate was associated with lower serum triglycerides. Conclusions: Our results highlight the potential for using the fibre/CHO ratio as a metric for daily carbohydrate quality and the importance of addressing both carbohydrate quality and quantity in designing dietary interventions to reduce cardiometabolic risk.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».