The Association of Previous Day Carbohydrate Consumption With Fasted, Exhaled Carbon Dioxide in Lumen Users: Retrospective Real-World Study
Notice bibliographique
Résumé
Background The increasing prevalence of obesity and related metabolic disorders has highlighted the need for innovative tools to monitor and manage metabolic health. The Lumen device offers a novel approach to assess the metabolic state through exhaled carbon dioxide (CO2) measurements, providing real-time feedback via a mobile app. This app-driven experience allows users to track their metabolic state and receive personalized nutrition and lifestyle recommendations, potentially supporting long-term metabolic health improvements. Objective This study aimed to investigate the association between the previous day’s carbohydrate consumption with fasted, exhaled CO2 levels in female and male Lumen users while also examining the influence of fasting duration, BMI, and age. Methods We conducted a retrospective, observational study using deidentified data from 48,058 Lumen users, comprising 707,372 fasted sessions. Separate linear mixed models were fitted for female (n=520,269 sessions) and male (n=187,103 sessions) users due to observed sex differences in metabolism. User ID was included as a random effect to account for repeated measures. The models analyzed the relationship between fasted %CO2 levels and reported carbohydrate intake, fasting duration, BMI, and age. Results Higher reported carbohydrate intake from the previous day was significantly associated with increased morning %CO2 levels in both male and female users (β=.032; P<.001; Cohen d=0.0691 in women and β=.024; P<.001; Cohen d=0.0534 in men), while a longer fasting duration was linked to decreased %CO2 levels in both sexes (β=−.017; P<.001 for both and Cohen d=−0.0374 in women and Cohen d=−0.0382 in men). A higher BMI was associated with elevated %CO2 levels in both sexes (β=.018; P<.001; Cohen d=0.0390 in women and β=.017; P<.001; Cohen d=0.0384 in men). Age had a statistically significant but modest effect in women (β=.008; P<.001; Cohen d=0.0180), whereas the effect size was minimal and did not meet the stricter significance threshold in men (β=.001; P=.02; Cohen d=0.0016). Cohen d values indicated that reported carbohydrate intake had the strongest effect size, while fasting duration and BMI had relatively smaller effects in both models. Conclusions The Lumen device is able to detect changes in fasted %CO2 levels based on the previous day’s reported carbohydrate intake and fasting duration with sex-specific metabolic responses. These findings highlight the potential of Lumen as a personalized metabolic health monitoring tool, providing insights into the influence of dietary intake and fasting on metabolic state. Future research should investigate the hormonal and physiological mechanisms contributing to the observed sex differences and assess the long-term impact of app-guided metabolic feedback on user behaviors and metabolic 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».