Tree Nuts Improve Glycemic Control: A Systematic Review and Meta‐Analysis of Randomized Controlled Dietary Trials
Notice bibliographique
Résumé
Background Tree nut consumption is associated with reduced diabetes risk, however, results from randomized controlled trials (RCTs) on glycemia have been inconsistent. Aim We conducted a systematic review and meta‐analysis of RCTs to assess the effect of tree nuts on glycemic control. Methods We searched MEDLINE, EMBASE, CINAHL, and Cochrane databases through 8 August 2014 for relevant RCTs 蠅3‐weeks reporting HbA1c, fasting glucose (FBG), fasting insulin (FPI), and/or HOMA‐IR. Two independent reviewers extracted relevant data. Data were pooled using generic inverse variance random effects models and expressed as mean differences (MD) with 95% confidence intervals (CI). Heterogeneity was assessed (Cochran's Q) and quantified (I 2 ). Results 31 trials (n=1645) met the eligibility criteria. Diets emphasizing tree nuts significantly lowered FBG (MD=‐0.11 mmol/L, 95% CI:‐0.18, ‐0.03 mmol/L), FPI (MD=‐4.79 pmol/L, 95% CI:‐8.12, ‐1.46 pmol/L) and HOMA‐IR (MD=‐0.45, 95% CI:‐0.81, ‐0.09) compared with isocaloric control diets. No effects were observed for HbA1c, however the direction of effect favoured tree nuts. Limitations Majority of trials were of poor quality and short duration. Conclusion Pooled analyses show diets higher in tree nuts improve glycemic control. Longer, higher quality trials are needed. Funding International Tree Nut Council Nutrition Research & Education Foundation
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 | 0,016 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,030 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».