MétaCan
Menu
Retour à la cohorte
Enregistrement W7161847703 · doi:10.82308/2638

Assessment of gene-retail food environment interactions on diet and obesity-related outcomes

2021· dissertation· en· W7161847703 sur OpenAlexaboutno aff
Yang Han

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood intakeFood consumptionContext (archaeology)Food supply

Résumé

récupéré en direct d'OpenAlex

Contexte Les données actuelles de l’impact de l'environnement alimentaire (EA) sur le risque d'obésité sont divergentes. Une explication possible de cette discordance est l'imprécision des mesures de l’EA et le manque de considération des variabilités individuelles au égard aux signaux alimentaires dans l'EA. Nous cherchons à évaluer les interactions entre l’EA de consommation caractérisée par l’offre alimentaire à l’intérieur des magasins d’alimentation et deux facteurs génétiques : le score de risque polygénique (SRP) et l'expression du gène DRD4 prédite (DRD4p) sur les variables liées à l'alimentation et l'adiposité.Méthodologie Des données génétiques, alimentaires, de mode de vie et anthropométriques ont été obtenues de la biobanque CARTaGENE qui recueille les données d’hommes et de femmes représentatifs des adultes Québécois d’âge moyen (n = 3,718). Les données de CARTaGENE ont ensuite été liées géotemporellement aux données de marketing reflétant l’EA de consommation en utilisant la zone de tri d'acheminement et le trimestre de la collecte des données. Un rapport des légumes aux boissons gazeuses a été calculé pour des mesures de marketing (la position, le prix et les rabais ainsi que la variété) afin d’estimer la raisonnabilité relative des mesures de l’EA de consommationUn SPR pour le risque génétique d'obésité a été construit avec 97 polymorphismes nucléotidiques. La DRD4p préfontale estimée par la méthode PrediXcan en utilisant les données de génotypage du génome a été classée en BAS et HAUT selon la médiane. Les variables dépendantes liées à l'alimentation comprenaient le Healthy Eating Index de 2010 adapté au contexte canadien (HEIC) et ses composantes individuelles. Des modèles linéaires généralisés ont été utilisés pour évaluer les associations individuelles et l’interaction entre les mesures de marketing et deux facteurs génétiques (SPR et DRD4p) sur les résultats alimentaires et anthropométriques. Les modèles ont été ajustés à la fois au niveau individuel (âge, sexe, trois premières composantes de l'ascendance, revenu du ménage, état civil, éducation, statut de fumeur, activité physique, apport énergétique auto-rapporté, langue, saison de participation) et état sociodémographique du quartier (densité de la population, taux d'immigration, taux d'emploi, diplôme d'études secondaires).Résultats Une interaction significative a été observée entre le SPR et le prix régulier, de sorte que l'association positive entre le SPR et le tour de taille a été renforcée avec l'augmentation du prix des légumes par rapport aux boissons gazeuses (0.7 cm, 95% CI (0.1,1.3); p=0.0308). Parmi les hommes, des interactions ont été observées entre le DRD4p et le positionnement stratégique des légumes par rapport aux boissons gazeuses. Avec une exposition croissante (plus saine), les participants dans le groupe HAUT avaient une consommation significativement plus élevée de fruits et de légumes (0,41 portion / jour, IC à 95% (0,22, 0,59); p <0,0001) et moins élevée de calories vides (-2,2 % kcal / jour, IC à 95% (-3,1, -1,1), p <0,0001) par rapport à ceux au groupe BAS.Interprétation Ces résultats suggèrent que le prix des aliments à faible ou à haute densité énergétique peuvent être une cible d'intervention pour lutter contre le taux d'obésité de la population. De plus, parmi les hommes, les interactions entre le DRD4p et les mesures de marketing suggèrent que les gènes de plasticité tels que DRD4 devraient être pris en compte dans la recherche évaluant les facteurs génétiques d'obésité. En plus, les recherches futures devraient évaluer les différences entre les sexes dans les résultats d'intérêt

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)0,005
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,132
Score d'incertitude au seuil0,263

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,010
Tête enseignante GPT0,270
Écart entre enseignants0,260 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNutrition, Genetics, and DiseaseTravaux en français237 207