MétaCan
Menu
Retour à la cohorte
Enregistrement W62201741 · doi:10.1161/circ.125.suppl_10.a010

Abstract 010: Favorable Associations of a Healthy Diet with Fasting Glucose or Insulin are Not Modified by Fasting Glucose- or Insulin-Associated Genotypes in 51,289 Non-Diabetic Individuals from 15 Cohorts

2012· article· en· W62201741 sur OpenAlexaff
Jennifer A. Nettleton, Marie‐France Hivert, Nicola M. McKeown, Dariush Mozaffarian, Toshiko Tanaka, Mary K. Wojczynski, Adela Hruby, Luc Djoussé, Julius S. Ngwa, George Dedoussis, James B. Meigs, Paul W. Franks

Notice bibliographique

RevueCirculation · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMedicineMediterranean dietQuartileRed meatInsulinCohortFood groupFasting glucoseDiabetes mellitusType 2 diabetesInternal medicineInsulin resistanceEndocrinologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Background: Genome-wide association studies (GWAS) have identified several genetic loci that influence fasting glucose (FG) and insulin (FI). Whether the favorable relation between eating a healthy diet and FG or FI is the same regardless of genetic risk is unknown. Objective: We studied 15 well-characterized U.S., Northern European and Mediterranean cohorts that had dietary and genetic data (maximum N = 51,289) to test whether genotype and healthy diet interact to influence FG or FI concentrations. Design: Within each cohort, we constructed a healthy diet score comprising foods with previous evidence of associations with metabolic risk: whole grains, fish, fruits, vegetables, nuts/seeds (favorable food groups) and red meat, sweets, sugared beverages, fried potatoes (unfavorable food groups). Intakes of each food group were categorized in quartiles and assigned ascending values (0, 1, 2, 3) for favorable foods and descending values (3, 2, 1, 0) for unfavorable foods. These values were summed to generate an overall diet score (range: 0 to 27 points), with higher scores representing healthier diets. We used multivariable linear regression including an additive genetic model within cohorts followed by inverse weighted meta-analysis of all cohorts to quantify 1) associations between healthy diet and FG and FI and 2) interactions of healthy diet with 16 established FG- or two FI-associated loci on FG and FI concentrations. Results: Healthier diets (per additional diet score unit) were associated with lower FG (β: -0.004; 95% CI: -0.005, -0.003 mmol/L, p: <0.001) and lower ln(FI) (β: -0.008; 95% CI: -0.009, -0.007 pmol/L, p: <0.001) with adjustment for demographic, lifestyle and physiological factors including body mass index. The relations between healthy diet and FG and FI were the same regardless of genotype for any individual SNP (interaction p: 0.22 - 0.99) or the sum of risk alleles across the 16 FG-related SNPs (unweighted genetic risk score, p: 0.71). We estimated that modest differences in diet score could offset the small genetic risk associated with per risk allele increases in common variants associated with FG. For example, the mean effect size across all 16 FG-raising alleles was ∼0.03 mmol/L greater FG per FG-raising allele, which compares in magnitude to the effect size of an approximate 1.5-SD increase in diet score, i.e., towards a healthier diet: ∼7 score units x diet score β -0.004 = -0.028 mmol/L lower FG). Conclusions: A healthy diet score allowing summarization of dietary intake as an environmental exposure across diverse cohorts is favorably associated with FG and FI concentrations regardless of genotype at FG or FI-associated loci. Modest dietary differences are far larger than an individual’s apparent genetic risk at these loci.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,266
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207