Plant-Forward Dietary Approaches to Reduce the Risk of Cardiometabolic Disease Among Hispanic/Latinx Adults Living in the United States: A Narrative Review
Notice bibliographique
Résumé
Background: Cardiometabolic risk (CMR), including obesity, dyslipidemia, hypertension, and impaired glucose regulation, disproportionately affects Hispanic/Latinx adults in the United States (U.S.). Although plant-forward dietary patterns are established as cardioprotective, less is known about how dietary patterns within Hispanic/Latinx subgroups relate to CMR. Methods: A narrative review was conducted of observational studies among U.S. Hispanic/Latinx adults (≥18 years) examining defined dietary patterns (a priori, a posteriori, or hybrid) in relation to CMR outcomes (e.g., BMI, waist circumference, blood pressure, glucose, lipids). Risk of bias was assessed using an adapted Newcastle–Ottawa Scale. Results: Ten studies met inclusion criteria, including Seventh-day Adventist Latinx, Puerto Rican adults, Mexican American adults, Hispanic women, and a national Hispanic cohort. Plant-forward dietary patterns were associated with lower BMI and waist circumference, lower triglycerides and fasting glucose, and higher HDL-C. In contrast, energy-dense patterns characterized by refined grains, added sugars, processed meats, fried foods, solid fats, and sugar-sweetened beverages were associated with greater adiposity, poorer lipid profiles, and higher blood pressure. Traditional rice-and-beans–based patterns observed in Puerto Rican and Mexican American groups were associated with central adiposity and higher metabolic syndrome prevalence, despite modestly higher intakes of fruits, vegetables, and fiber. Study quality ranged from good (n = 4) to very good (n = 6). Conclusions: Across Hispanic/Latinx subgroups, plant-forward dietary patterns were associated with favorable cardiometabolic profiles, whereas refined and animal-based patterns aligned with higher CMR. Culturally grounded dietary counseling, along with additional longitudinal and intervention studies, is needed to support cardiometabolic health in these populations.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».