OPEN ORIGINAL ARTICLE Effect of ethnicity on glycaemic index: a systematic review and
Notice bibliographique
Résumé
meta-analysis TMS Wolever1,2,3, JL Giddens4 and JL Sievenpiper1,3 OBJECTIVES: Low glycaemic index (GI) foods are recommended to improve glycaemic control in diabetes; however, Health Canada considers that GI food labeling would be misleading and unhelpful, in part, because selected studies suggest that GI values are inaccurate due to an effect of ethnicity. Therefore, we conducted a systematic review and meta-analysis to compare the GI of foods when measured in Caucasians versus non-Caucasians. METHODS:We searched MEDLINE, EMBASE and Cochrane databases for relevant articles. GI differences were aggregated using the generic inverse variance method (random effects model) and expressed as mean difference (MD) with 95 % confidence intervals (95 % CI). Study quality was assessed based on how well studies complied with official international GI methodology. RESULTS: Review of 1288 trials revealed eight eligible studies, including 28 comparisons of GI among 585 non-Caucasians and 971 Caucasians. Overall, there was borderline significant evidence of higher GI in non-Caucasians than Caucasians (MD, 3.3 (95 % CI, − 0.1, 6.8); P = 0.06) with significant heterogeneity (I2, 46%; P = 0.005). The GI of eight types of rice was higher in non-Caucasians than Caucasians (MD, 9.5 (95 % CI, 3.7, 23.1); P = 0.001), but there was no significant difference for the other 20 foods (MD, 1.0 (95% CI, − 2.5, 4.6); P = 0.57). MD was significantly greater in the four low-quality studies (nine comparisons) than the four high-quality studies (19 comparisons; 7.8 vs 0.7, P = 0.047). CONCLUSIONS: With the possible exception of rice, existing evidence suggests that GI values do not differ when measured in Caucasians versus non-Caucasians. To confirm these findings high-quality studies using a wide range of foods are required.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».