Night Shift Work, Diet, Meal Timing, and Cardiometabolic Risk: An Exploratory Cross-Sectional Study in Italian Cement Workers
Notice bibliographique
Résumé
Rotating shift work, including night shifts, is reported by one-fifth of workers in the EU27 survey and is associated with an increased risk of cardiovascular disease. Irregular meal timing and poor dietary habits related to shift work contribute to metabolic disorders and may further elevate cardiovascular risk. In this pilot study, 14 rotating shift workers including night shifts (NSWs) and 14 regular daytime workers (DWs) underwent assessments of blood pressure, body mass index (BMI), waist (W) and hip (H) circumference, triglycerides, HDL, and LDL cholesterol. All participants also completed questionnaires evaluating nutrient quality, meal timing over a week, and lifestyle factors. In NSWs, a disrupted eating schedule was observed during both workdays and rest days, with frequent lunch skipping in favour of high-fat snacks. Weekly intake of junk food was higher (p < 0.01) and fresh vegetable consumption lower (p < 0.05) in NSWs compared to DWs. BMI, W/H ratio, and triglyceride levels were slightly higher in NSWs. Active smoking was more common among NSWs (50%) than DWs (21%, p < 0.01). Excess body weight, dyslipidemia, and higher smoking prevalence—combined with a long-standing pattern of unhealthy eating may, along with circadian misalignment, contribute to the elevated cardiometabolic risk observed in otherwise healthy NSWs. Implementing workplace policies to improve nutrient quality and meal timing may help reduce the risk of cardiometabolic disorders in this population.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».