Polygenic Risk and Nutrient Intake Interactions on Obesity Outcomes: A Systematic Review and Meta‐Analysis of Observational Studies
Notice bibliographique
Résumé
BACKGROUND: Diet is an important determinant of body weight and may modulate genetic susceptibility to obesity. OBJECTIVE: This systematic review and meta-analysis aimed to synthesize evidence related to interactions between polygenic risk and nutrient intakes on obesity outcomes. METHODS: MEDLINE, EMBASE, Web of Science, and Cochrane Library were systematically searched to identify observational studies that assessed interactions between polygenic risk and nutrient intakes on obesity-related outcomes. Random effects meta-analyses were performed for pooled polygenic risk score (PRS)-total fat intake and PRS-protein intake interaction coefficients on body mass index (BMI). RESULTS: Twenty-six publications were retrieved with studies conducted among European, Asian, and African samples. Dietary fats (saturated fat, omega-3, and trans fat) and energy intake were most frequently reported to interact with PRS on obesity outcomes, but the total number of studies available was low. No significant interactions were identified in meta-analyses of PRS interactions with total fat intake and protein intake on BMI. Several studies were rated as low quality, heterogeneity was high, and although study samples were racially diverse, PRSs tended to be based on samples of European ancestry. CONCLUSION: Evidence of interactions between polygenic risk and nutrient intakes on obesity outcomes is limited and inconsistent. Further research addressing limitations related to study quality and polygenic risk characterization is needed.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,019 | 0,004 |
| Bibliométrie | 0,000 | 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 ».