Optimal dietary patterns for healthy aging
Notice bibliographique
Résumé
As the global population ages, it is critical to identify diets that, beyond preventing noncommunicable diseases, optimally promote healthy aging. Here, using longitudinal questionnaire data from the Nurses' Health Study (1986-2016) and the Health Professionals Follow-Up Study (1986-2016), we examined the association of long-term adherence to eight dietary patterns and ultraprocessed food consumption with healthy aging, as assessed according to measures of cognitive, physical and mental health, as well as living to 70 years of age free of chronic diseases. After up to 30 years of follow-up, 9,771 (9.3%) of 105,015 participants (66% women, mean age = 53 years (s.d. = 8)) achieved healthy aging. For each dietary pattern, higher adherence was associated with greater odds of healthy aging and its domains. The odds ratios for the highest quintile versus the lowest ranged from 1.45 (95% confidence interval (CI) = 1.35-1.57; healthful plant-based diet) to 1.86 (95% CI = 1.71-2.01; Alternative Healthy Eating Index). When the age threshold for healthy aging was shifted to 75 years, the Alternative Healthy Eating Index diet showed the strongest association with healthy aging, with an odds ratio of 2.24 (95% CI = 2.01-2.50). Higher intakes of fruits, vegetables, whole grains, unsaturated fats, nuts, legumes and low-fat dairy products were linked to greater odds of healthy aging, whereas higher intakes of trans fats, sodium, sugary beverages and red or processed meats (or both) were inversely associated. Our findings suggest that dietary patterns rich in plant-based foods, with moderate inclusion of healthy animal-based foods, may enhance overall healthy aging, guiding future dietary guidelines.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».