Assessing the Effect of Tree Nut and Peanut Consumption on Adiposity: Is a Calorie a Calorie?
Notice bibliographique
Résumé
Nuts have been shown to have diabetes and cardiovascular related health benefits, yet there remains concern that nuts may contribute to weight gain due to their high energy density. To address this concern, the research carried out in this thesis includes a systematic review and meta-analysis (SRMA) of prospective cohorts and randomized controlled trials (RCTs) to investigate the role of nuts on measures of adiposity, and an exploratory analysis of a randomized crossover trial to assess the bioaccessibility of energy and macronutrients of almonds. The SRMA identified 7 prospective cohort studies and 86 RCTs involving 569,910 and 12,092 participants, respectively. Nut consumption was inversely associated with the primary outcome overweight/obesity, as well secondary outcomes (body weight, risk of ≥5 kg weight gain, waist circumference) in prospective cohort studies. Similarly, there was no adverse effect of nuts on the primary outcome of body weight or any of the secondary outcomes (BMI, body fat, waist circumference, waist-to-hip ratio or visceral adipose tissue) in RCTs. The 3-phase randomized crossover trial including 22 participants with hyperlipidemia indicated fat from almonds was only 78.5±3.1% bioaccessible with an average overall energy loss of 21.2±3.1% (40.6 kcal/d). When considering the diet as a whole, there was significantly less bioaccessibility of energy and fat with almond consumption, but not carbohydrate or protein, compared to the control. Inclusion of ~73 g of almonds each day decreased the energy bioaccessibility of the diet by approximately 2%. Thus, the energy content of almonds may not be as bioaccessible as predicted by Atwater factors. Current evidence demonstrates that nuts are not associated with increased overweight/obesity incidence or weight gain, possibly due to the reduced bioaccessibility of energy and fat content of nuts. The research conducted in this thesis suggest nuts may be recommended without the concern that they contribute to weight gain.
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 | 0,018 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,008 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».