Assessment of gene-retail food environment interactions on diet and obesity-related outcomes
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".