Dietary intake of peripheral artery disease patients
Notice bibliographique
Résumé
Peripheral artery disease (PAD) is one of the most common cardiovascular diseases. Despite high prevalence of PAD, data regarding the dietary patterns of Canadian individuals with PAD is required. Biomarkers are used as an alternative to dietary assessment methods and are generally used to measure true dietary intake. A total of 30 participants with established PAD were recruited for this study. Dietary intakes were estimated using a 3 day food record (3DFR) and food frequency questionnaire (FFQ). Docosahexaenoic acid (DHA) status was analyzed in plasma, plasma PL and RBC membrane PL. The determined mean dietary macronutrient distribution consisted of 18% protein, 33% fat and 47% carbohydrate with 3DFR and 19% protein, 36% fat and 43% carbohydrate with FFQ. The mean intakes using 3DFR and FFQ, respectively, were: saturated fat = 24.2, 22.8 g; sodium = 4156.6, 2852.3 mg; eicosapentaenoic acid (EPA) = 90.0, 50.0 mg and DHA = 128.5, 110.0 mg. FFQ showed significant (p<0.05) correlation (r=0.48) with plasma and plasma PL DHA. As compared to national guidelines, the participants consumed a diet that was 61% higher than National Cholesterol Education Program (NCEP) recommendations for saturated fat. Also, the participants consumed a diet which was 177% and 246% higher than NCEP and the Institute of Medicine (IOM) recommendations for sodium, respectively. Hence, PAD patients should be encouraged to eat a diet that is lower in saturated fat and sodium. None of the participants met the American Heart Association (AHA) recommendations for established cardiovascular disease of 1g of combined EPA and DHA.
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 | 0,001 |
| Science ouverte | 0,001 | 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 ».