Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Indice et charge glycémiques de l’alimentation et relations avec l’obésité et le syndrome métabolique au
sein de l’étude des familles de Québec (QFS)
Mémoire
Kathryn Adel
Maîtrise en kinésiologie
Maître ès sciences (M.Sc.)
Québec, Canada
©Kathryn Adel, 2014
iii
Résumé
Les associations entre l’indice et la charge glycémique (IG, CG) de l’alimentation et l’obésité et le syndrome
métabolique (SM) demeurant controversées, celles-ci ont été explorées au sein des participants de l’étude des
familles de Québec. Des associations positives significatives ont été observées entre l’IG, la CG et l’obésité,
de même qu’entre les changements de CG et les changements d’adiposité avec le temps chez les femmes
seulement. Cependant, certaines associations n’étaient plus significatives après exclusion des participants
ayant fait des déclarations alimentaires improbables. Les associations entre l’IG, la CG et le SM ou ses
facteurs de risque n’étaient généralement pas significatives. Ces résultats suggèrent que les femmes ayant
une alimentation à IG et CG élevés sont plus à risque d’obésité et qu’une augmentation de la CG de leur
alimentation est associée à des gains d’adiposité. Ils illustrent aussi l’importance de considérer la déclaration
improbable de l’apport énergétique dans ce type d’études.
v
Abstract
Many high-carbohydrate foods common to Western diets have been shown to produce a high glycemic
response, which may favor weight gain and metabolic syndrome (MetS), but associations between glycemic
index (GI), glycemic load (GL) and obesity and MetS remain inconsistent. These associations were examined
in the Quebec Family Study. GI and GL were positively associated with obesity, and an increase in GL over
time was associated with gains in adiposity in women only. However, some associations were no longer
significant when subjects with implausible reported energy intake (rEI) were excluded. GI and GL were
generally not associated with MetS or its risk factors. Results suggest that GI and GL are associated with
obesity in women, and that an increase in the GL of their diet is associated with gains in adiposity over time.
They also reinforce the importance of considering implausible rEI in dietary surveys in relation to metabolic
disease.
vii
Table des matières
Résumé ............................................................................................................................................................... iii
Abstract ............................................................................................................................................................... v
Table des matières ............................................................................................................................................. vii
Liste des tableaux .............................................................................................................................................. xi
Liste des figures ................................................................................................................................................ xiii
Liste des abréviations........................................................................................................................................ xv
Remerciements ................................................................................................................................................ xvii
Avant-propos ..................................................................................................................................................... xix
Introduction ......................................................................................................................................................... 1
Chapitre 1. Problématique ................................................................................................................................... 3
1. L’indice glycémique (IG) et la charge glycémique (CG) .............................................................................. 3
1.1 Définitions et mesures de l’IG et de la CG ............................................................................................ 3
1.2 Facteurs qui influencent l’IG des aliments ............................................................................................ 5
1.3 Importance clinique de l’IG et de la CG ................................................................................................ 6
2. L’obésité et le syndrome métabolique ...................................................................................................... 11
2.1 Définition, conséquences et prévalence de l’obésité .......................................................................... 11
2.2 Définitions, conséquences et prévalence du SM ................................................................................ 12
2.3 Étiologie de l’obésité et du SM ........................................................................................................... 14
3. Relations entre IG, CG et obésité, adiposité et SM et ses facteurs de risque .......................................... 17
3.1 Relations entre IG, CG et obésité ....................................................................................................... 17
viii
3.2 Relations entre IG, CG et différentes variables d’adiposité ................................................................ 18
3.3 Mécanismes proposés pour expliquer la relation entre IG, CG et obésité .......................................... 25
3.4 Relations entre IG, CG et SM ............................................................................................................. 28
3.5 Relations entre IG, CG et les facteurs de risque du SM ..................................................................... 29
3.5.1 Relations entre IG, CG et les niveaux de cholestérol HDL et de triglycérides ............................. 29
3.5.2 Relations entre IG, CG et la tension artérielle ............................................................................. 33
3.5.3 Relations entre IG, CG et le niveau de glucose à jeun ................................................................ 33
3.6 Mécanismes proposés pour expliquer la relation entre IG, CG et SM ................................................ 35
3.7 Limites des études .............................................................................................................................. 36
4. Hypothèses et objectifs ............................................................................................................................. 39
4.1 Hypothèse générale ............................................................................................................................ 39
4.2 Hypothèses spécifiques ...................................................................................................................... 39
4.3 Objectif général ................................................................................................................................... 40
4.4 Objectifs spécifiques ........................................................................................................................... 40
5. Méthodologie............................................................................................................................................. 41
5.1 L’Étude des Familles de Québec (QFS) ............................................................................................. 41
5.2 Mesures anthropométriques ............................................................................................................... 41
5.3 Évaluation de l’apport alimentaire et détermination et calcul de l’IG et de la CG ............................... 42
5.3.1 Évaluation de l’apport alimentaire ............................................................................................... 42
5.3.2 Détermination de l’IG et de la CG des aliments consommés par les participants ....................... 42
5.3.3 Calcul de l’IG et de la CG moyens .............................................................................................. 43
5.3.4 Identification de l’apport calorique non conforme aux valeurs prédites de la dépense d'énergie 44
ix
5.4 Évaluation des covariables ................................................................................................................. 45
Chapitre 2. Articles ............................................................................................................................................ 47
Article 1. Glycemic index, glycemic load, and their relationships with adiposity in the Quebec family study
(QFS) ............................................................................................................................................................ 47
Article 2. Glycemic index, glycemic load, and their relationships with metabolic syndrome in the Quebec
family study (QFS) ........................................................................................................................................ 71
Chapitre 3. Discussion générale et conclusion.................................................................................................. 97
Bibliographie ................................................................................................................................................... 103
Annexe 1. Les fibres alimentaires ................................................................................................................... 113
xi
Liste des tableaux
Tableau 1. Valeurs associées à un IG et à une CG faible, modéré(e) et élevé(e) .............................................. 4
Tableau 2. Facteurs qui influencent l’IG des aliments ......................................................................................... 6
Tableau 3. Classification de l’obésité chez les adultes selon l’IMC ................................................................... 11
Tableau 4. Critères diagnostiques du syndrome métabolique .......................................................................... 13
Tableau 5. Résultats d’études observationnelles ayant examiné les associations entre IG, CG et adiposité ... 19
Tableau 6. Résultats d’études d’intervention ayant étudié l’effet d’une diète à IG ou CG faible sur l’adiposité 21
Tableau 7. Études ayant examiné les liens entre IG, CG et obésité, adiposité classées selon le type d’étude et
les relations trouvées ........................................................................................................................................ 25
Tableau 8. Résultats d’études observationnelles ayant examiné les associations entre IG, CG et C-HDL, TG 29
Tableau 9. Résultats d’études d’intervention ayant examiné les effets d’une diète à IG ou CG faible sur le C-
HDL et les TG ................................................................................................................................................... 31
Tableau 10. Relations entre IG, CG et SM et ses facteurs de risques .............................................................. 35
xiii
Liste des figures
Figure 1. Détermination de l’IG d’un aliment . ..................................................................................................... 4
Figure 2. Mécanismes potentiels par lesquels une alimentation à IG ou CG élevés pourrait augmenter le risque
de DT2 . ............................................................................................................................................................ 10
Figure 3. Étiologie de l’obésité ......................................................................................................................... 15
Figure 4. Apport moyen en glucides et en lipides selon le sexe chez les adultes de 20 à 74 ans . .................. 17
Figure 5. Mécanismes suggérés pour expliquer les relations entre l’IG, la CG, l’obésité et le SM ................... 27
xv
Liste des abréviations
AACE : American Association of Clinical Endocrinologists
CG : Charge glycémique
C-HDL : Cholestérol HDL
CT : circonférence de la taille
DT2 : Diabète de type 2
GV : Graisse viscérale
IDF : International Diabetes Federation
IG : Indice glycémique
IMC : Indice de masse corporelle
MCV : Maladie cardiovasculaire
MG : Masse grasse
NCEP ATP III : National Cholesterol Education Program Adult Treatment Panel III
NR: Sujet ayant fait une déclaration plausible de leur apport énergétique
OMS: Organisation mondiale de la santé
OR : Sujets ayant sur-déclaré leur apport énergétique
pER : Besoins énergétiques prédits
rEI : Apport énergétique déclaré
SD : Écart type
SM: Syndrome métabolique
TA: Tension artérielle
TG : Triglycérides
UR: Sujets ayant sous-déclaré leur apport énergétique
xvii
Remerciements
L'étude réalisée dans le cadre de ma maîtrise a été rendue possible grâce à la collaboration, la participation et
le soutien de plusieurs personnes. Dans un premier temps, je tiens à remercier mon directeur, Louis Pérusse,
et ma co-directrice, Vicky Drapeau, pour avoir eu confiance en mes capacités et m’avoir donné l’opportunité
d’effectuer ce projet, de même que pour leur excellent soutien et encadrement. Ils ont su faire preuve de
beaucoup de confiance, de souplesse, de patience et de disponibilité à mon égard et j’en suis très
reconnaissante.
J'adresse également mes remerciements à Christian Couture et Annette Gallant pour leur aide avec les
analyses statistiques et leur disponibilité à mon égard, Claude Leblanc pour son aide avec l’ajout des données
d’IG et de CG au fichier QFS, de même que l’Équipe Scientifique du Glycemic Index Laboratories et Dr Megan
McCrory pour leurs conseils. J’aimerais aussi remercier tous les coauteurs qui ont révisé les résumés soumis
aux congrès et apporté des commentaires constructifs, et qui réviseront les manuscrits.
Finalement, j’aimerais remercier les Instituts de recherche en santé du Canada (IRSC) et l’INAF pour leur
support financier.
xix
Avant-propos
Ce projet de maîtrise s’est avéré être une expérience très enrichissante pour moi, autant pour mon
cheminement personnel que scientifique et professionnel. Entres autres, j’ai eu l’opportunité de participer à
plusieurs congrès internationaux et de présenter oralement certains résultats de ce projet. La recherche en
kinésiologie et en nutrition est un domaine très vaste, stimulant et qui me passionne.
Dans le cadre de ce projet, j’ai contribué à la conception, la réalisation et l’analyse des données. D’abord,
dans le cadre d’un stage d’été, j’ai déterminé l’IG et la CG moyens pour tous les sujets de QFS à partir de
l’information contenue dans les journaux alimentaires et de tables de valeurs d’IG. J’ai aussi appliqué la
méthode de Huang et collaborateurs (1) à la cohorte QFS afin de déterminer les participants ayant sous-
déclaré leur apport énergétique. J’ai ensuite réalisé toutes les analyses statistiques et effectué l’analyse des
résultats. Ce mémoire présente deux articles scientifiques qui seront soumis à des revues en vue de
publication. J’ai rédigé l’entièreté des manuscrits et les ai révisés sous la supervision de mon directeur, Louis
Pérusse, et de ma co-directrice, Vicky Drapeau.
1
Introduction
Dans les dernières décennies, la prévalence d’obésité et du SM ont augmenté drastiquement à travers le
monde (2, 3). L’obésité et le SM sont des conditions sous-jacentes au développement de maladies chroniques
telles que les maladies cardio-vasculaires (MCV) et le diabète de type 2 (DT2) et s’accompagnent d’un risque
accru de morbidité et de mortalité (4, 5).
L’étiologie de l’obésité et du SM est complexe et englobe des facteurs d’origine génétique, individuels,
biologiques, environnementaux et alimentaires (4). Dans les dernières décennies, l’IG et la CG de
l’alimentation occidentale ont aussi augmenté (6). Bien qu’ils aient été associés au risque de MCV (7-9) et de
DT2 (10), leurs effets sur le risque d’obésité et de SM sont moins bien connus. En effet, les résultats d’études
s’étant intéressées aux relations entre l’IG et la CG et l’obésité et le SM sont très controversés, cela étant dû
entres autres à des différences d’ordre méthodologique entre les études et à la déclaration improbable de
l’apport énergétique. De plus, bien que plusieurs mécanismes aient été proposés pour expliquer ces relations,
la contribution de l’IG et de la CG dans le développement de l’obésité et du SM demeure encore incomprise.
Ainsi, l’étude des associations entre l’IG, la CG et l’obésité et le SM tout en tenant compte de la déclaration
improbable de l’apport énergétique pourrait permettre une meilleure compréhension du rôle de l’IG et de la CG
dans le développement de maladies chroniques.
L’objectif général de ce projet était l’étude des associations entre l’IG et la CG de l’alimentation et l’obésité et
le SM. Plus spécifiquement, le projet visait d’abord à examiner les associations entre l’IG et la CG et la
prévalence d’obésité de même que différents indicateurs d’adiposité et leur variation sur une période de six
ans. Deuxièmement, il avait comme objectif d’examiner les associations entre l’IG et la CG et le risque de
développer le SM ou ses facteurs de risque de même que l’augmentation de ses facteurs de risque sur une
période de six ans. Finalement, il visait aussi à évaluer l’impact d’une déclaration improbable de l’apport
énergétique sur ces relations.
Ce mémoire comporte quatre sections. Dans la première section, les concepts d’IG et de CG de même que
leur utilité clinique par rapport à leurs associations avec diverses maladies chroniques sont d’abord décrits. La
prévalence, les conséquences et l’étiologie de l’obésité et du SM sont ensuite présentées. Enfin, l’IG et la CG
sont mis en relations avec l’obésité et l’adiposité de même qu’avec le SM et ses facteurs de risque. Un aperçu
des études effectuées et des principales conclusions qui en découlent, les mécanismes suggérés pour
expliquer ces relations ainsi que certaines considérations d’ordre méthodologique sont présentés. La
deuxième section comprend deux articles, soient Glycemic index, glycemic load, and their relationships with
2
obesity in the Quebec Family Study et Glycemic Index, Glycemic load, and their relationships with metabolic
syndrome in the Quebec Family Study, qui seront soumis à des revues pour publication. La troisième section
regroupe une discussion générale et les conclusions de ce projet de maîtrise.
3
Chapitre 1. Problématique
1. L’indice glycémique (IG) et la charge glycémique (CG)
Cette section explique d’abord les concepts d’IG et de CG et les facteurs qui les influencent. L’utilité clinique
de l’IG et de la CG est ensuite mise en évidence par rapport à leurs associations avec diverses maladies
chroniques.
1.1 Définitions et mesures de l’IG et de la CG
Le concept d’indice glycémique (IG) a été développé en 1981 par une équipe de chercheurs dirigée par le Dr.
David Jenkins, professeur de nutrition à l’Université de Toronto, qui cherchait à identifier les aliments les plus
appropriés pour les diabétiques (6). L’IG permet de classer les aliments selon leur effet immédiat sur la
glycémie. Il reflète la qualité des glucides en lien avec leur digestion et absorption. Pour déterminer l’IG d’un
aliment, on compare la réponse glycémique d’une portion d’un aliment qui contient 50 g de glucides avec celle
de 50 g d’un aliment de référence, soit le glucose ou le pain blanc, en mesurant la glycémie toutes les
15 minutes pendant deux à trois heures. On trace ensuite une courbe de la glycémie en fonction du temps, et
l’aire sous la courbe, exprimée en pourcentage de l’IG de l’aliment de référence, correspond à l’IG de l’aliment
(6). L’IG d’un aliment représente donc la réponse glycémique d’une quantité de cet aliment contenant 50 g de
glucides par rapport à un aliment de référence. Ainsi, un aliment à IG élevé ayant une teneur en glucides
équivalente à celle d’un aliment à IG faible induit une aire sous la courbe de glucose plus grande pendant la
période postprandiale, et vice versa (voir figure 1). L’aliment de référence original était le glucose, mais le pain
blanc a aussi été introduit comme standard, car c’est une source de glucides très populaire et donc parfois
plus acceptable pour les sujets volontaires pour évaluer les aliments (11). De façon générale, on utilise une
portion équivalente à 50 g de glucides pour évaluer un aliment, mais pour les aliments qui contiennent peu de
glucides et donc pour lesquels cette portion représente un volume trop grand, une portion équivalente à 25 g
de glucides peut être utilisée (11).
4
Figure 1. Détermination de l’IG d’un aliment (Figure adaptée de Venn et Green, Eur J Clin Nutr, 2007) (12).
Puisque l’IG ne tient pas compte de la quantité de glucides normalement consommés, qui a aussi un effet sur
la glycémie, le concept de charge glycémique (CG) a été développé comme mesure du potentiel global de
l’alimentation à élever la glycémie. En effet, alors que l’IG compare le potentiel de différents aliments à élever
la glycémie pour une même quantité de glucides, l’élévation de la glycémie suite à l’ingestion d’aliments
dépend aussi de la quantité de glucides réellement ingérés. Par exemple, le melon d’eau a un IG élevé et
donc risque de ne pas être considéré comme un aliment de choix pour une diète à IG faible. Cependant, cet
aliment contient seulement 5 g de glucides par 100 g d’aliment, donc il aurait un effet minime sur la glycémie
(12), c’est pourquoi sa CG est faible. Le tableau 1 présente les valeurs associées à des aliments à IG et CG
faibles, moyens et élevés.
Tableau 1. Valeurs associées à un IG et à une CG faible, modéré(e) et élevé(e)
IG CG (portion standard)
Faible ≤ 55 ≤ 10
Modéré(e) 56-69 11-19
Élevé(e) ≥ 70 ≥ 20
Tableau adapté de Brand-Miller et collaborateurs, The New Glucose Revolution, 2007 (6)
La charge glycémique de l’alimentation peut être réduite en diminuant l’IG ou bien en diminuant la quantité de
glucides consommés. Les deux méthodes contribuent à réduire les réponses glycémiques et insulinémiques
postprandiales, mais peuvent s’accompagner d’effets métaboliques distincts à court et long terme. L’IG et la
5
CG sont donc deux concepts très distincts qui n’impliquent pas les mêmes conséquences métaboliques et
physiologiques, et leurs effets sur différentes variables doivent être analysés séparément (13).
1.2 Facteurs qui influencent l’IG des aliments
Divers facteurs peuvent faire varier l’IG des aliments, et plusieurs mythes naviguent autour du concept d’IG.
D’abord, ce n’est pas parce qu’un aliment a un IG élevé qu’il a une faible valeur nutritive, puisque l’on retrouve
des aliments de valeur nutritive faible et élevée dans chaque catégorie d’IG. Par exemple, la citrouille, le
melon d’eau et les carottes cuites ont un IG élevé, alors que le chocolat, la marmelade à l’orange et la crème
glacée ont un IG faible (14). Ensuite, ce n’est pas parce qu’un aliment est sucré qu’il a un IG élevé. En fait, le
sucrose (i.e. le sucre de table), dû à sa teneur à 50% en fructose qui est métabolisé directement au foie, a un
IG plus faible que le glucose. Finalement, certains pourraient croire que tous les aliments riches en fibres ont
un IG faible. Cependant, beaucoup de produits identifiés à grains entiers contiennent des grains broyés
finement, qui leur confèrent un IG élevé (15). Ce sont en fait surtout les fibres solubles qui confèrent aux
aliments un IG faible (16). Le tableau 2 présente les principaux facteurs qui influencent l’IG des aliments,
accompagnés des mécanismes à l’appui et d’exemples d’aliments pour chacun des facteurs. De façon
générale, l’IG, contrairement à la CG, est une propriété des aliments qui ne varie pas significativement d’un
individu à l’autre, qu’il soit diabétique ou en santé (16). Par contre, il est à noter que d’autres facteurs, tels que
degré de mastication, la quantité de nourriture ingérée, le moment de la journée où est consommé le repas, la
fréquence des repas et les aliments consommés aux repas précédents, influencent non pas l’IG des aliments
mais plutôt la réponse glycémique d’un individu suite à sa consommation d’aliments (16). Ainsi, la
consommation d’aliments ayant un IG identique n’entraînera pas nécessairement la même réponse
glycémique d’un individu à l’autre ou pour un même individu d’une fois à l’autre. Ce type de variabilité inter- et
intra-individuelle de la réponse glycémique suivant la consommation de deux repas identiques peut être évitée
en contrôlant pour ces facteurs.
6
Tableau 2. Facteurs qui influencent l’IG des aliments
Facteurs Mécanismes Exemples d’aliments
Degré de
gélatinisation de
l’amidon
Pendant la cuisson, l’eau et la chaleur font grossir les
particules d’amidon à différents degrés. Plus l’amidon
prend de l’expansion, plus il est gélatinisé, plus la
surface disponible aux enzymes est grande et plus il est
digéré rapidement.
Le spaghetti et le gruau
ont un degré de
gélatinisation faible et
donc un IG faible.
Forme physique de
l’aliment
Une couche fibreuse entourant certains aliments crée
une barrière physique et ralentit l’action des enzymes de
digestion, ce qui diminue l’IG.
Les noix, légumineuses
et pâtes « al dente »
ont un IG faible.
Ratio
amylose/amylopectine
Il existe 2 types d’amidons. L’amylose est composé
d’une seule chaine de molécules, comparativement à
l’amylopectine qui a diverses branches laissant ainsi plus
d’espace aux enzymes de digestion. Donc, plus un
aliment contient d’amylose par rapport à de
l’amylopectine, plus il se digère lentement et plus son IG
est faible.
Le riz basmati et
l’amidon de maïs ont
un ratio élevé
amylose/amylopectine
et donc un IG faible.
Teneur en fibres
solubles
Les fibres solubles augmentent la viscosité du contenu
intestinal et ralentissent la vidange gastrique. Les farines
à grains entiers finement broyées sont digérées et
absorbées rapidement, car les fibres qu’elles contiennent
ne sont pas intactes et donc pas visqueuses.
Les flocons d’avoine,
les légumineuses et les
pommes sont riches en
fibres solubles et ont un
IG faible.
Teneur en acidité, en
gras ou en protéines
La présence d’acidité, de gras ou de protéines dans les
aliments ralentit la vidange gastrique et diminue l’IG
Le jus de citron et la
crème glacée ont un IG
faible.
Types de sucres Le sucrose est composé de glucose et de fructose. Le
fructose est absorbé directement au foie où il est
convertit en glucose lentement, ce qui lui confère un IG
faible.
Le fructose et le
sucrose ont un IG plus
faible que les autres
disaccharides.
Différences de
variété, culture,
traitement et cuisson
L’IG d’un même aliment peut différer grandement selon
ces conditions.
L’IG d’une pomme de
terre peut varier
d’environ 56 à 100.
Tableau adapté de Brand-Miller et collaborateurs, The New Glucose Revolution, 2007 (6)
1.3 Importance clinique de l’IG et de la CG
Initialement, la seule application clinique de l’IG visait l’amélioration du contrôle glycémique chez les
personnes diabétiques. En effet, selon trois méta-analyses d’études cliniques randomisées (17-19), une diète
à IG faible serait associée à une diminution significative de l’hémoglobine glyquée, à une réduction du risque
de complications micro vasculaires de même qu’à une diminution des épisodes d’hypoglycémie chez les
personnes diabétiques. À ce jour, il existe de plus en plus d’évidences qu’une alimentation à IG ou CG faible
7
s’accompagne d’une diminution du risque de diverses maladies chroniques, dont entres autres le DT2, les
MCV, l’obésité, le SM, les maladies de la vésicule biliaire, les maladies oculaires et plusieurs types de
cancers. Cependant, les associations entre ces maladies et l’IG et la CG demeurent controversées. En effet,
une méta-analyse de 37 études de cohortes prospectives s’est intéressée à l’association entre l’IG, la CG et le
risque de plusieurs maladies chroniques (20). Un IG faible a été associé à un risque réduit de DT2, MCV,
cancer du sein et maladie de la vésicule biliaire indépendamment des facteurs confondants potentiels (âge,
IMC, antécédents familiaux médicaux, tabagisme, consommation d’alcool, activité physique, apport en fibres,
médication et prise de suppléments alimentaires), alors qu’aucune association significative n’a été trouvée
pour les autres types de cancers et les maladies oculaires. En ce qui concerne la CG, des associations
positives significatives ont été trouvées pour le DT2 et les maladies de la vésicule biliaire après ajustement
pour les covariables, mais pas pour les autres pathologies. Lorsque toutes les maladies ont été combinées,
une association positive modeste, mais significative, a été trouvée autant pour l’IG que la CG (RR= 1.14 et
1.09 respectivement). Ces résultats suggèrent qu’une alimentation ayant un IG ou une CG élevés augmentent
le risque de maladies chroniques, indépendamment d’autres facteurs tels que l’apport en fibres alimentaires.
De plus, l’augmentation du risque de maladies chroniques était plus élevée pour l’IG que pour la CG,
suggérant que l’IG aurait un effet spécifique et indépendant de la quantité de glucides consommés.
Cependant, une revue de littérature s’étant intéressée uniquement aux études de cohorte et d’interventions
provenant des pays de l’Europe du Nord a conclu que les évidences ne sont pas suffisantes pour suggérer
qu’une alimentation à IG faible s’accompagne d’une diminution du risque de maladies chroniques, sauf chez
les personnes obèses ou ayant un surplus de poids (21).
Maladies cardio-vasculaires (MCV)
Dans trois méta-analyses incluant entre 8 et 14 études de cohorte prospectives (7-9), une alimentation ayant
un IG ou une CG élevés s’est accompagnée d’une augmentation du risque de MCV chez les femmes mais
pas chez les hommes. De plus, dans la méta-analyse de Dong et collaborateurs (2012), les effets néfastes
semblaient être plus prononcés chez les participantes obèses ou ayant un surplus de poids. Selon la méta-
analyse de Ma et collaborateurs (2012), une augmentation de la CG de 50 unités s’accompagnerait d’une
augmentation du risque de MCV de 18% chez les Caucasiens. Les résultats de ces méta-analyses permettent
de conclure qu’il y a une relation positive entre l’IG, la CG et le risque de MCV et que cette relation semble
être plus élevée chez les femmes.
Une alimentation ayant un IG et une CG élevés, en augmentant la glycémie, peut augmenter le risque de MCV
de plusieurs façons. D’abord, selon une méta-analyse d’études prospectives (13), il y aurait une relation
linéaire positive entre la glycémie postprandiale et le risque de MCV même chez les individus non-diabétiques,
8
et le risque serait plus élevé chez les femmes. Chez les individus non-diabétiques, une glycémie élevée serait
associée à une augmentation de l’épaisseur de la paroi des vaisseaux sanguins (épaisseur intima media), un
facteur de risque reconnu de l’infarctus, et interfèrerait avec la vasodilatation (22). Une hyperglycémie
postprandiale serait aussi toxique pour l’endothélium en générant du stress oxydatif, altérant ainsi la fonction
endothéliale (23). De plus, l’hyperinsulinémie, une conséquence de l’hyperglycémie, est impliquée dans le
développement de dyslipidémies (22). Il a aussi été suggéré que, pour un écart type d’augmentation du niveau
d’insuline à jeun, les chances de développer une maladie cardiaque ischémique augmentent de 60% chez les
hommes âgés entre 45 et 76 ans (24). Il est aussi possible qu’une diète à IG élevé puisse augmenter le risque
de MCV en exacerbant le processus pro-inflammatoire. En effet, des associations positives entre l’IG ou la CG
et la concentration plasmatique de protéine C-réactive (CRP) ont été observées dans plusieurs grandes
études observationnelles (25, 26), dont entres autres dans la Women’s Health Study (27), une étude
randomisée à l’aveugle avec groupe placebo. La CRP, qui est un marqueur sensible de l’inflammation, a été
reliée au risque de MCV dans plusieurs grandes études prospectives (13).
Cancer
Plusieurs études ont investigué le lien entre l’IG, la CG et le risque de cancer, et les résultats obtenus sont
variables d’une étude à l’autre. Une méta-analyse de 39 études de cohortes ou cas-témoin (28), visant à
explorer l’association entre l’IG, la CG et le risque de cancer, a démontré qu’une alimentation à IG ou CG
élevés s’accompagnait d’une augmentation de 26% et 18%, respectivement, du risque de cancer du côlon et
d’une augmentation de 36% et 22%, respectivement, du risque de cancer de l’endomètre. Les relations entre
l’IG, la CG et le cancer du sein et du pancréas n’étaient pas significatives. Une autre méta-analyse de
36 études de cohorte (29) a aussi observé une augmentation du risque de cancer du côlon avec une
alimentation à IG élevé (RR= 1.08) et du cancer de l’endomètre avec une alimentation à CG élevée (RR=
1.21). Par contre, dans cette méta-analyse, une alimentation à IG élevé était aussi associée à une
augmentation de 6% du risque de cancer du sein. Cependant, d’autres évidences ne supportent pas
l’association positive entre une alimentation à IG ou CG élevés et le risque de cancers. Par exemple, une
méta-analyse de 14 études de cohorte s’étant intéressée uniquement au cancer colorectal (30) n’a pas
identifié de relations entre une alimentation à IG ou CG élevés et le cancer du côlon, alors qu’une autre méta-
analyse de 10 études de cohorte (31) a suggéré qu’une alimentation à IG élevé était associée à un risque 8%
plus élevé de cancer du sein, mais qu’il n’y avait aucune association avec la CG.
Le rôle de l’IG et de la CG dans le développement du cancer pourrait être lié au facteur de croissance
apparenté à l’insuline (Insulin-like growth factor, IGF-1) (28). En effet, l’insuline agit comme un facteur de
croissance pour les cellules de la muqueuse du côlon. Une concentration élevée d’insuline induite par une
9
alimentation à IG ou CG élevés pourrait augmenter l’activité de l’IGF-1, qui à son tour pourrait stimuler la
prolifération et la différentiation cellulaire et inhiber l’apoptose. L’insuline pourrait aussi supprimer les
sécrétions hépatiques de la protéine de liaison de IGF-1 (IGF-binding protein-1), influencer la concentration
d’hormones sexuelles et réduire la concentration de leurs protéines de liaison (22, 28, 32).
Diabète de type 2 (DT2)
Tel que mentionné plus haut, l’application clinique de l’IG visait principalement le contrôle de la glycémie chez
les personnes diabétiques et, dans ce contexte, plusieurs études ont tenté de déterminer s’il y avait une
association entre l’IG, la CG et le risque de développer le DT2. Les résultats d’une méta-analyse basée sur
13 études de cohorte (33) démontrent qu’une alimentation ayant un IG ou une CG élevés est associée à une
augmentation du risque de DT2 de 16 et 20%, respectivement, suggérant que réduire l’IG et la CG de
l’alimentation pourrait être bénéfique pour prévenir le DT2. Cependant, il est à noter que plusieurs études ne
supportent pas le lien entre l’IG, la CG et le risque de DT2 (34-36). Par contre, une méta-analyse très récente
basée sur 24 études de cohorte s’est intéressée à l’effet dose-réponse entre la CG et le risque de DT2 (10).
En effectuant leurs analyses, les auteurs ont tenu compte des sources d’hétérogénéité entre les études et ont
démontré que des facteurs comme le sexe, l’ethnicité et la validité des méthodes d’évaluation nutritionnelle
utilisées expliquaient 97% de l’hétérogénéité entre les études. En tenant compte de ces sources
d’hétérogénéité, les auteurs ont conclu que la relation entre la CG et le DT2 avait été sous-estimée, et que les
études ayant démontré une association entre la CG et le risque de DT2 étaient robustes et indiquaient de
façon consistante une diminution forte et significative du risque de DT2 chez les personnes ayant une
alimentation à CG faible.
Deux mécanismes principaux permettent d’expliquer le lien entre l’IG, la CG et l’incidence du DT2 (37). Ces
mécanismes sont illustrés dans la figure 2 ci-dessous. Premièrement, une alimentation à IG et CG élevés
s’accompagne d’hyperglycémies et d’hyperinsulinémies répétées qui, à long terme, peuvent mener à un
épuisement des cellules β du pancréas ou leur être toxiques, et ainsi induire une intolérance au glucose et par
le fait même un risque augmenté de DT2. Deuxièmement, une alimentation à IG ou CG élevés pourrait
augmenter la résistance à l’insuline, du moins à court terme. En effet, une diète à IG élevé s’est accompagnée
d’une résistance à l’insuline plus élevée qu’une diète à IG faible dans des études animales (38, 39) de même
que dans une étude regroupant 61 femmes pré-ménopausées où la résistance à l’insuline a été mesurée in
vivo et dans des cultures d’adipocytes (40). L’augmentation de la résistance à l’insuline serait due à une
production accrue d’acides gras libres dans la période postprandiale, possiblement causée par une
hypoglycémie réactive médiée par une augmentation des hormones contre-régulatrices telles que le cortisol,
le glucagon et l’hormone de croissance. Il est à noter que la réponse individuelle à un aliment glucidique varie
10
selon le degré de résistance à l’insuline, qui est déterminé, entres autres, par le degré d’adiposité, la pratique
d’activité physique, la génétique et d’autres caractéristiques alimentaires. Ainsi, on pourrait s’attendre à ce que
les effets d’une alimentation à IG ou CG élevés soient exacerbés chez les individus sédentaires, obèses ou
ayant une susceptibilité génétique.
Figure 2. Mécanismes potentiels par lesquels une alimentation à IG ou CG élevés pourrait augmenter le risque de DT2 (figure adaptée de Willett et collaborateurs, Am J Clin Nutr, 2002)(37).
En conclusion, malgré la présence de controverses, les données disponibles suggèrent que l’IG et la CG ont
un rôle à jouer dans l’étiologie de plusieurs maladies chroniques telles que les MCV, certains cancers et le
DT2. Cependant, il est possible que leurs effets soient modulés par divers facteurs tels que le sexe, l’âge, la
génétique et l’adiposité. Bien que certaines hypothèses aient été suggérées pour expliquer les effets
observés, les mécanismes précis restent à être déterminés. De plus, puisque l’obésité et le SM augmentent le
risque de développer ces maladies chroniques, cela démontre l’importance d’étudier les associations entre
l’IG, la CG et l’obésité et le SM, afin de permettre une meilleure compréhension de la contribution de l’IG et de
la CG dans l’étiologie du SM et de l’obésité, et par le fait même de maladies chroniques telles que les MCV et
le DT2.
11
2. L’obésité et le syndrome métabolique
Cette section traitera des définitions, des conséquences et de la prévalence de l’obésité et du SM, puis de leur
étiologie.
2.1 Définition, conséquences et prévalence de l’obésité
Selon l’organisation mondiale de la santé (OMS) (41), le surpoids et l’obésité se définissent comme une
accumulation anormale ou excessive de graisse corporelle qui peut nuire à la santé. L’indice de masse
corporelle (IMC) permet d’estimer l’adiposité chez l’adulte et correspond au poids d’un individu (en
kilogrammes) divisé par le carré de sa taille (en mètres). La classification de l’obésité chez l’adulte selon l’IMC
est présentée au tableau 3 (42). Bien que l’IMC représente une méthode simple à utiliser (43), qu’il soit
fortement corrélé avec d’autres mesures d’adiposité (43), et qu’il ait une bonne spécificité (44), il a aussi des
limites. En effet, il a une faible sensibilité, et sa précision diminue avec l’âge et est plus faible chez les
hommes de même que chez les individus ayant un IMC entre 25 et 29 kg/m2 (44). Ainsi, pour un même IMC, le
pourcentage de gras peut varier grandement d’un individu à l’autre. De plus, l’IMC ne permet pas de
déterminer la répartition de la masse adipeuse, qui est importante pour évaluer le risque pour la santé (43). La
circonférence de la taille (CT) est un marqueur de l’adiposité viscérale abdominale et permet de différencier
l'obésité gynoïde de l'obésité androïde, cette dernière s’accompagnant d’un risque accru d’hypertension, de
DT2 et de MCV (43). En effet, pour un individu ayant un IMC faible mais une CT élevée, le risque de
développer des problèmes de santé associés à un excès de masse adipeuse est aussi, sinon plus élevé, que
pour un individu ayant un IMC élevé mais qui ne souffre pas d'obésité abdominale (45). Donc, l’IMC devrait
être utilisé conjointement à une mesure qualitative de la distribution d’adiposité telle que la CT pour améliorer
la qualité de l’interprétation du risque pour la santé.
Tableau 3. Classification de l’obésité chez les adultes selon l’IMC
Classification selon l’OMS IMC (kg/m2) Risque de comorbidités*
Poids santé 18.5 – 24.9 Normal
Surplus de poids 25.0 – 29.9 Augmenté
Obésité classe I 30.0 – 34.9 Élevé
Obésité classe II 35.0 – 39.9 Très élevé
Obésité classe III ≥ 40.0 Extrêmement élevé
*Hypertension, DT2 et MCV
Tableau tiré de WHO, 1998 (42)
12
Les conséquences de l’obésité sont multiples (4, 46). D’abord, l’obésité s’accompagne d’un risque accru de
mortalité et de morbidité. Plus précisément, cette condition augmente le risque de MCV, DT2, hypertension
artérielle, dyslipidémies, asthme, affections de la vésicule biliaire, arthrose, ostéoarthrite, douleurs lombaires
chroniques, plusieurs types de cancer (cancer colorectal, du rein, du sein, de l’endomètre, des ovaires et du
pancréas) et apnée obstructive du sommeil. L’obésité peut aussi avoir des conséquences psychosociales
considérables telles qu’une diminution de l’estime de soi, de la satisfaction par rapport à l’image corporelle et
de la qualité de vie de même que la dépression et la discrimination. Finalement, en plus des préjudices sur la
santé, l’obésité représente un fardeau économique important pour la société. Au Canada, les coûts associés à
l’obésité et au surplus de poids (estimés avec des données de 2006) s’élèvent à six milliards $ en coûts
directs et de cinq milliards $ en coûts indirects, totalisant 4,1% des coûts totaux de santé (47).
Au cours des dernières décennies, la proportion de la population mondiale souffrant d’obésité
(IMC ≥ 30 kg/m2) ou d’embonpoint (IMC ≥ 25 et < 30 kg/m2) a considérablement augmenté. En effet, depuis
1980, la prévalence d’obésité dans le monde aurait doublé, pour atteindre 1,4 milliards de personnes souffrant
d’embonpoint dont 500 millions de personnes obèses en 2008 (48). Au Canada, selon les résultats de
l’Enquête canadienne sur les mesures de la santé, entre les années 2009 et 2011, 67% des hommes et 54%
des femmes âgés entre 18 et 79 ans étaient obèses ou avaient un surplus de poids (49).
2.2 Définitions, conséquences et prévalence du SM
Le syndrome métabolique (SM), aussi appelé syndrome X ou syndrome de résistance à l’insuline (50) se
caractérise par un ensemble d’anormalités métaboliques interreliées qui augmentent le risque de développer
des maladies chroniques telles que les MCV et le DT2. Plus précisément, des études populationnelles
prospectives démontrent que le SM s’accompagne d’un risque deux fois plus élevé de MCV et cinq fois plus
élevé de DT2 (5). Les individus ayant le SM sont aussi plus susceptibles de développer d’autres conditions
telles que le syndrome des ovaires polykystiques, une stéatose hépatique, des calculs biliaires de cholestérol,
l’asthme, des troubles de sommeil et certains types de cancers (50). Dans la dernière décennie, différents
critères ont été suggérés pour définir le syndrome métabolique. Six composantes du SM ont été identifiées
comme étant liées aux MCV, soient les dyslipidémies athérogènes (concentrations élevées de triglycérides et
d’apolipoprotéine B, particules LDL petites et denses, concentration faible de cholestérol HDL), l’hypertension
artérielle, un état pro-thrombotique, un état pro-inflammatoire, la résistance à l’insuline et l’obésité abdominale,
les deux dernières étant considérées comme les plus importantes (50). En 2001, le National Cholesterol
Education Program (NCEP) Adult Treatment Panel III (ATP III) a proposé une définition du SM basée sur cinq
critères : circonférence de la taille (CT) élevée, glucose à jeun élevée, tension artérielle (TA) élevée,
13
triglycérides (TG) élevés et cholestérol HDL (C-HDL) faible. En 2004, des modifications mineures ont été
apportées à ces critères (5), soit la permission d’abaisser le seuil de CT pour les individus et groupes
ethniques susceptibles à la résistance à l’insuline, la considération d’un des facteurs de risque métaboliques
comme pathologique lorsqu’il y a usage de médicaments pour ce facteur, la clarification selon laquelle une TA
élevée est un niveau qui dépasse le seuil de tension systolique ou diastolique et l’abaissement du seuil de
glucose à jeun élevé de 6,1 mmol/L à 5,6 mmol/L. Ainsi, selon les plus récents critères du NCEP ATP III, un
diagnostic de SM peut être établi lorsque trois parmi les cinq facteurs de risque présentés au tableau 4 sont
présents (5).
Tableau 4. Critères diagnostiques du syndrome métabolique
Facteurs de risque Critères
Circonférence de la taille (CT) H ≥ 102 cm F ≥ 88 cm
Tension artérielle (TA) TA systolique ≥ 130 mm Hg ou
TA diastolique ≥ 85 mm Hg ou
Médicaments pour TA élevée
Glycémie à jeun ≥ 5,6 mmol/L ou
Médicaments pour glycémie à jeun élevée
Triglycérides (TG) ≥ 1,7 mmol/L ou
Médicaments pour TG élevés
Cholestérol HDL (C-HDL) H ≤ 1,0 mmol/L F ≤ 1,3 mmol/L
ou Médicaments pour C-HDL abaissé
Tiré de Grundy et collaborateurs, Circulation, 2005 (5)
D’autres organismes ont aussi proposé des définitions du SM. Avant 2009, la définition de l’International
Diabetes Federation (IDF) (51) identifiait la CT comme une composante essentielle du SM, mais sa définition
fait maintenant consensus avec celle du NCEP ATP III. Par contre, dans la définition de l’IDF, le seuil de CT
élevée varie selon l’origine ethnique. Quant à l’organisation mondiale de la santé (OMS) et à l’American
Association of Clinical Endocrinologists (AACE), bien que leurs critères soient similaires à ceux du NCEP ATP
III de plusieurs façons, l’importance qu’ils accordent aux différents critères varie (50). En effet, selon l’OMS, la
résistance à l’insuline est un critère obligatoire du SM, alors que ce n’est pas le cas pour le NCEP ATP III et
l’AACE. De plus, contrairement au NCEP ATP III, l’OMS et l’AACE exigent un test de tolérance au glucose
pour les sujets dont la concentration de glucose à jeun est normale, ce qui a le désavantage d’être moins
pratique cliniquement. Il est aussi à noter qu’une CT élevée ne fait pas partie des critères de la définition de
14
l’AACE. Ainsi, selon la définition de l’OMS (50), pour avoir le SM, un individu doit être résistant à l’insuline
(DT2, glucose à jeun élevé, test de tolérance au glucose élevé ou intolérance au glucose) et répondre à deux
des critères suivants : TA élevée, TG élevés, C-HDL abaissé, IMC ≥ 30 25 kg/m2 et/ou ratio taille/hanche
élevé, taux d’excrétion urinaire d’albumine ou ratio albumine/créatine élevés. En ce qui concerne l’AACE, elle
a proposé des critères pour définir le SM mais n’a pas spécifié un nombre minimal de critères à rencontrer et
laisse le jugement clinique décider du diagnostic (50). Les critères de l’AACE sont : IMC ≥ 25 kg/m2, TG
élevés, C-HDL abaissé, TA élevée, glucose à jeun élevé ou test de tolérance au glucose élevé et autres
facteurs de risque (histoire familiale de DT2, hypertension ou MCV, sédentarité, âge avancé, groupes
ethniques à haut risque de DT2 ou MCV, syndrome des ovaires polykystiques). Dans la présente recherche, la
définition du NCEP ATP III a été utilisée pour identifier les sujets ayant le SM.
La prévalence du SM varie d’un pays à l’autre, entres autres selon les critères utilisés, la méthodologie des
études, l’âge et le mode de sélection de la population étudiée de même que la période de réalisation de
l’étude (52). Au Canada, selon les résultats de l’Enquête canadienne sur les mesures de la santé, entre 2007
et 2009, un individu sur cinq âgé entre 6 et 79 ans avait le SM (53). Aux États-Unis, selon les données du
National Health and Nutrition Examination Surveys (NHANES), entre les années 1999 et 2006, environ 34 %
des adultes avaient le SM (soient 34,9 % des hommes et 33,3 % des femmes après ajustement pour l’âge)
(3). Dans les dernières décennies, la prévalence du SM a grandement augmenté. En effet, Ford et
collaborateurs (2004) (54) ont estimé, à partir des données de NHANES de 1990 à 2000, que 50 millions
d’adultes américains avaient le SM en 1990 par rapport à 64 millions en 2000, ce qui représente une
augmentation de 28 %. Puis, à partir des données de NHANES de 1999 à 2006, Mozumdar et Liguori (2011)
(3) ont estimé que 68 millions d’adultes américains avaient le SM, ce qui représente une augmentation
additionnelle de 6 %. Il est à noter qu’entre 1988 et 2006, l’augmentation de la prévalence du SM a été plus
élevée chez les femmes (augmentation de 28,4 %) que chez les hommes (augmentation de 16,8 %) (3).
2.3 Étiologie de l’obésité et du SM
L’étiologie de l’obésité est très complexe et inclut un ensemble de facteurs biologiques, comportementaux et
environnementaux qui interagissent ensemble (4), tel qu’illustré à la figure 3. En effet, il n’existe pas une cause
unique à l’obésité mais bien diverses causes. De plus, ces causes sont interreliées et varient d’un individu à
l’autre, ce qui complique la compréhension de l’étiologie de l’obésité et par le fait même l’élaboration de
moyens de traitement de cette condition.
15
Figure 3. Étiologie de l’obésité (figure tirée du groupe Équilibre, www.equilibre.ca/)
D’abord, l’obésité est en partie déterminée par la génétique. Par exemple, dans l’Étude des familles de
Québec (QFS), une héritabilité de 10 % à 50 % a été observée pour différents phénotypes de l’obésité (55).
De plus, tel que démontré dans le Human Obesity Gene Map, en 2005, plus de 600 locus et 135 gènes
candidats avaient été associés ou liés avec un phénotype d’obésité (56). Par contre, dans un contexte où la
prévalence d’obésité a évolué très rapidement, il est difficile de concéder aux gènes un rôle primordial dans
l’étiologie de l’obésité. Ainsi, des facteurs biologiques et individuels tels que des facteurs hormonaux, l’âge, le
sexe, la prise de certains médicaments, le tabagisme et les habitudes de sommeil (57) ont aussi une
influence. À cela s’ajoute la diminution des niveaux d’activité physique au cours du dernier siècle et
l’augmentation des comportements sédentaires qui ont été directement associés à l’obésité (58). Sans oublier
les facteurs socio-environnementaux (59), tels que l’omniprésence de nourriture, l’abondance d’aliments à
densité énergétique élevée entres autres par l’augmentation des chaines de restauration rapide,
l’augmentation de la grosseur des portions et l’aménagement urbain défavorable à l’activité physique qui ont
assurément un rôle à jouer dans l’épidémie d’obésité actuelle. Finalement, de nombreux facteurs alimentaires,
dont les apports en gras (60), en glucides (voir plus bas), en protéines (61), en alcool (62) et en calcium (63),
les édulcorants (64), la densité énergétique (65), l’indice glycémique, l’allaitement (64) et plusieurs
comportements alimentaires (fréquence des repas, repas pris au restaurant, vitesse d’ingestion, variété
alimentaire) (66, 67) ont été associés à l’obésité, mais leurs effets demeurent controversés.
En ce qui concerne le SM, bien que son étiologie précise demeure inconnue, divers facteurs ont été associés
à son développement. Son étiologie semble se diviser en trois catégories potentielles, soient l’obésité et les
désordres du tissu adipeux, la résistance à l’insuline et une constellation de facteurs indépendants d’origine
hépatique, vasculaire et immunologique (50). Par contre, les facteurs de risque les plus importants semblent
16
être l’obésité abdominale et la résistance à l’insuline (5). L’inactivité physique, l’âge, des débalancements
hormonaux, l’inflammation et des prédispositions génétiques et ethniques ont aussi été associés à ce
syndrome (5). De plus, certains facteurs alimentaires, tels que l’IG et la CG de l’alimentation, pourraient avoir
un rôle à jouer dans le développement du SM (68). Le rôle de divers facteurs alimentaires dans l’étiologie du
SM a très peu été étudié. Par contre, divers aspects de l’alimentation ont été associées aux facteurs de risque
du SM, tels que les apports en différents macronutriments (différents types de lipides, glucides, protéines et
alcool), en fibres et en produits laitiers, certains aliments fonctionnels (antioxydants, probiotiques), la densité
énergétique et la diète Méditerranéenne, mais leurs effets demeurent très controversés (69).
L’augmentation de la prévalence d’obésité et du SM aux États-Unis dans les dernières décennies est
temporellement associée à une augmentation de l’apport en glucides (70). En effet, selon le National Health
and Nutrition Examination Surveys (71), entre les années 1970 et 2000, aux États-Unis, la consommation de
lipides est restée relativement stable (et aurait même diminué si l’on considère l’apport en lipides exprimé en
pourcentage de l’énergie totale), alors que la consommation de glucides a augmenté de 60 à 70 g par jour
(voir figure 4). Par contre, l’association entre la consommation de glucides et l’obésité est controversée dans
la littérature. Une revue de la littérature indique que la plupart des études épidémiologiques démontrent une
association inverse entre l’apport en glucides et l’IMC, indépendamment des facteurs confondants potentiels
(70). En fait, cette association semble différer selon le type d’aliment. Par exemple, l’IMC a été négativement
associé à la consommation de grains entiers (70) et de fruits (72) et positivement associé à la consommation
de boissons sucrées (73). L’association entre l’apport en glucides et le SM, quant à elle, demeure à ce jour
très méconnue. Dans les dernières décennies, l’IG et la CG de l’alimentation ont aussi augmenté (6). Cela
suggère que l’association entre l’apport en glucides et l’obésité et le SM pourrait être en partie modulée par
l’IG et de la CG de l’alimentation. En effet, l’IG et la CG pourraient avoir contribué à l’épidémie d’obésité et de
SM actuelle, mais leur rôle précis reste à être clarifié.
17
Figure 4. Apport moyen en glucides et en lipides selon le sexe chez les adultes de 20 à 74 ans aux États-Unis (Données provenant du National Health and Nutrition Examination Surveys, 2004) (71).
3. Relations entre IG, CG et obésité, adiposité et SM et ses
facteurs de risque
Cette section traitera d’abord des relations entre l’IG et la CG de l’alimentation et l’obésité et différentes
variables d’adiposité, de même que des mécanismes qui ont été proposés pour tenter d’expliquer ces
relations. Il sera ensuite question des relations entre l’IG, la CG et le SM et ses facteurs de risque ainsi que
des mécanismes à l’appui. Finalement, les contraintes méthodologiques des études seront abordées.
3.1 Relations entre IG, CG et obésité
Les études ayant examiné le lien entre l’IG, la CG et le risque d’obésité sont limitées, et les résultats obtenus
suggèrent que les associations avec l’obésité varient selon l’âge et le sexe des sujets. Youn et collaborateurs
(2012) (74) ont examiné les associations entre l’IG, la CG et la prévalence de surpoids (IMC >25 kg/m2)
auprès de 933 adultes coréens. Chez les hommes, la CG était négativement associée à la prévalence de
surpoids et aucune association significative n’a été observée avec l’IG, alors que chez les femmes, l’IG et la
CG étaient positivement associés à la prévalence de surpoids. Dans une étude effectuée auprès de 15974
enfants âgés entre 6 à 11 ans et de 8202 adolescents âgés entre 12 et 15 ans, une CG (mais pas un IG)
18
élevée était associée à un risque augmenté d’embonpoint chez les enfants de même que chez les
adolescents, mais pas chez les adolescentes (75). Dans une autre étude effectuée auprès de 818 enfants
âgés entre 4 et 10 ans et 818 adolescents âgés entre 11 et 18 ans, la CG, mais pas l’IG, était associée à un
risque accru d’embonpoint chez les enfants et d’obésité chez les adolescents (76). Finalement, dans une
étude effectuée auprès de 3714 enfants italiens âgés entre 6 et 14 ans, un IG élevé était associé à un risque
de surpoids environ 50 % plus élevé et à un risque d’obésité abdominale environ deux fois plus élevé (77).
3.2 Relations entre IG, CG et différentes variables d’adiposité
Le lien entre l’IG ou la CG et l’adiposité est très controversé dans la littérature. Bien que les études animales
supportent l’effet bénéfique d’un IG faible sur l’adiposité, les études observationnelles et cliniques ne
s’entendent pas sur le sujet. Les tableaux 5 et 6 présentent les résultats de l’ensemble des études
observationnelles et d’intervention ayant étudié les effets de l’IG et de la CG sur le poids corporel, l’indice de
masse corporelle (IMC), la circonférence de la taille (CT), le pourcentage de gras (% gras), la masse grasse
(MG) et la graisse viscérale (GV).
Les études effectuées sur les animaux s’entendent pour dire qu’une diète à IG élevé s’accompagne d’un gain
de poids, de masse grasse et de graisse viscérale plus important qu’une diète à IG faible (78-83), mais les
effets de la CG sur l’adiposité ne semblent pas être documentés chez les animaux. Par contre chez l’humain,
les études observationnelles et d’intervention ne s’entendent pas sur le lien entre l’IG, la CG et l’adiposité, et
les résultats varient selon les variables étudiées, la grande majorité des études ayant trouvé des relations
significatives pour certaines variables d’adiposité et non significatives pour d’autres, ou encore des relations
significatives pour l’IG mais pas pour la CG, ou vice-versa. En effet, concernant les études observationnelles,
des relations positives significatives ont été observées entre l’IG et/ou la CG et l’IMC (77, 84-88), la
circonférence de la taille (77, 84, 88-91), le pourcentage de gras (90) et la masse grasse (76), alors que des
relations non significatives ont été observées dans plusieurs études (92-95). De plus, on retrouve des
différences selon le sexe (75, 84, 88, 90, 91, 96) et on a même trouvé quelques relations négatives (91, 97-
99). Par exemple, une étude effectuée chez 19 694 hommes et 28 937 femmes de la cohorte EPIC suggère
que l’IG initial est associé à une augmentation sur cinq ans et demi de la CT ajustée pour l’IMC, qui est un
indicateur de l’adiposité viscérale, chez tous les sujets, et que la CG initiale est associée à une augmentation
de la CT ajustée pour l’IMC chez les femmes seulement (96). Dans une autre étude effectuée auprès de
37 561 hommes et 51 871 femmes provenant de 5 pays européens, faisant partie du projet DiOGenes et
suivis pendant 6.5 ans en moyenne, une augmentation d’IG de 10 unités était associée à une augmentation
de la CT de 0,26 cm par année après ajustement pour les facteurs confondants potentiels. Par contre,
19
l’association entre la CG initiale et le changement de CT sur 6,5 ans de même que les associations entre l’IG
et la CG initiaux et le changement de poids n’étaient pas significatives après ajustement pour les covariables
(89).
Tableau 5. Résultats d’études observationnelles ayant examiné les associations entre IG, CG et adiposité
Auteurs Description Résultats*
Études observationnelles transversales
Lau et al. (2006)
(86)
6784 sujets âgés entre 30 et 60 ans
(Danish population-based Inter99
study).
Associations positives entre IG, CG et IMC.
Murakami et al.
(2007) (87)
3921 adolescentes japonaises âgées
entre 18 et 20 ans.
Associations positives entre IG, CG et IMC.
Barba et al. (2010)
(77)
1883 garçons et 1851 filles italiens
âgés entre 6 et 11 ans (Projet ARCA).
Associations positives entre IG et IMC, CT.
Murakami et al.
(2013) (88)
678 hommes et 809 femmes anglais
âgés entre 19 et 64 ans.
- Associations positives entre IG et IMC, CT.
- Associations positives entre CG et CT chez
tous les sujets et entre CG et IMC chez les
femmes seulement.
Finely et al. (2010)
(91)
9137 hommes et 1775 femmes
américains âgés entre 20 et 79 ans
(Cooper Center Longitudinal Study).
- Association positive entre IG et CT chez les
femmes et non significative chez les hommes.
- Association négative entre CG et CT chez les
hommes et non significative chez les femmes.
Rossi et al. (2010)
(98)
3482 hommes et 4242 femmes
italiens âgés entre 18 et 82 ans.
Associations négatives entre IG, CG et IMC,
ratio taille/hanche.
Murakami et al.
(2013) (100)
818 enfants âgés entre 4 et 10 ans et
818 adolescents âgés entre 11 et 18
ans, d’origine anglaise.
Associations non significatives entre IG, CG et
IMC (ou ratio poids/taille).
Culberson et al.
(2009) (93)
3047 hommes et 1964 femmes
américains de tous âges (NHANES
III).
Association non significative entre CG et CT.
Kim et al. (2008)
(94)
340 hommes et 570 femmes coréens
âgés de 20 ans et plus.
Associations non significatives entre IG ou CG
et CT.
Liese et al. (2005)
(95)
979 sujets américains âgés entre 40
et 69 ans (étude IRAS).
Associations non significatives entre IG ou CG
et IMC, CT.
Mendez et al.
(2005) (97)
3669 hommes et 4001 femmes
hispaniques âgés entre 35 et 74 ans.
- Association négative entre CG et IMC.
- Association non significative entre IG et IMC.
Sahyoun et al.
(2005) (99)
1079 hommes et 1169 femmes
américains âgés entre 70 et 80 ans
(Health ABC Study).
- Associations non significatives entre IG, CG
et GV chez les femmes.
- Association négative entre CG et GV et non
significative entre IG et GV chez les hommes.
20
Études observationnelles prospectives
Murakami et al.
(2013) (76)
208 garçons et 218 filles âgés de 12
ans (Northern Ireland Young Hearts
Study), suivi de 3 ans.
- Association positive entre IG et ∆ indice de
MG
- Associations non significatives entre IG et
∆ IMC, ∆ % gras.
- Associations non significatives entre CG et
∆ adiposité.
- Associations non significatives entre ∆ IG ou
∆ CG et ∆ adiposité.
Du et al. (2009)
(89)
37 561 hommes et 51 871 femmes
âgés entre 20 et 78 ans provenant de
5 pays européens (projet DiOGenes),
suivi moyen de 6,5 ans.
- Pour chaque 10 unité d’IG, ↑ significative de
0.26 cm de CT par année.
- Associations non significatives entre IG ou
CG et ∆ poids et entre CG et ∆ CT.
Gopinath et al.
(2013) (84)
435 garçons et 421 filles âgés de 12
ans (Sydney Childhood Eye Study),
suivi de 5 ans.
- Associations positives entre ∆ CG et ∆ IMC,
∆ CT chez les filles et non significatives chez
les garçons.
- Associations non significatives entre ∆ IG et
∆ IMC ou ∆ CT.
- Associations non significatives entre IG ou
CG et ∆ IMC, ∆ % gras et ∆ CT.
Ma et al. (2005)
(85)
297 hommes et 275 femmes
américains âgés entre 20 et 70 ans,
suivi d’un an.
- Associations positives entre IG et IMC et
∆ IMC.
- Associations non significatives entre CG et
IMC ou ∆ IMC.
Hare-Bruun et al.
(2006) (90)
185 hommes et 191 femmes danois
âgés entre 30 et 60 ans (étude
MONICA), suivi de 6 ans.
- Associations positives entre IG et ∆ poids,
∆ CT et ∆ % gras chez les femmes et non
significatives chez les hommes.
- Associations non significatives pour la CG.
Romaguera et al.
(2010)
(96)
19 694 hommes et 28 937 femmes
âgés de moins de 60 ans (cohorte
EPIC), suivi de 5,5 ans.
- Association positive entre IG et ∆ adiposité
viscérale (CT ajustée pour IMC).
- Association positive entre CG et ∆ adiposité
viscérale (CT ajustée pour IMC) chez les
femmes et non significative chez les hommes.
Cheng et al.
(2009) (92)
99 garçons et 116 filles âgés de plus
de 5 ans (étude DONALD), suivi de 4
ans.
Associations non significatives entre ∆ IG ou
∆ CG et ∆ IMC ou ∆ % gras.
*IMC : indice de masse corporelle; CT : circonférence de la taille; MG : masse grasse; GV : graisse viscérale; % gras : pourcentage de gras; IG : indice glycémique, CG : charge glycémique; ∆ : changement avec le temps
En ce qui concerne les études d’intervention, deux méta-analyses ont étudié le lien entre l’IG ou la CG et le
poids corporel ou l’adiposité. La première incluait les résultats de 23 études ayant mesuré la perte de poids en
lien avec des diètes à IG ou CG faible et a démontré que les diètes à IG ou CG faibles ad libitum, mais pas
21
celles où l’apport énergétique était restreint, s’accompagnaient d’une perte de poids significative (101). L’autre
méta-analyse, publiée l’année suivante, s’est intéressée spécifiquement à des sujets obèses ou ayant un
surplus de poids. Elle regroupait six études cliniques contrôlées et randomisées d’une durée d’au moins deux
semaines (total de 202 participants) ayant comparé les effets d’une diète à IG ou CG faible à ceux d’une diète
à IG ou CG plus élevé ou à ceux d’une diète faible en gras sur l’adiposité. Elle a indiqué que les pertes de
poids et de MG de même que la réduction de l’IMC étaient significativement plus élevées chez les sujets ayant
consommé une diète à IG ou CG faible que chez ceux ayant eu une diète alternative. En effet, les diètes à IG
ou CG faible se sont accompagnées de réductions statistiquement significatives de 1,1 kg de poids, 1,1 kg de
MG et 1,3 unités d’IMC comparativement aux diètes contrôles (102).
Plusieurs études d’intervention suggèrent qu’une diète à IG ou CG faible s’accompagne d’une perte de poids
plus importante (103-108) ou encore d’un regain de poids moins important suite à une perte de poids (109),
d’une réduction de l’IMC (105), de la CT ou du ratio taille/hanche (105, 110, 111), de la MG ou du % gras
(107, 112-115) et de la GV (115). Certaines ont trouvé des résultats concluants seulement chez les sujets
ayant un taux d’insuline élevé suite à un test de tolérance au glucose (107, 108). Finalement, d’autres études
se sont avérées non concluantes (116-122). Il est à noter que certaines études ont utilisé des diètes ad libitum
alors que d’autres ont utilisé des diètes restrictives, et que certaines diètes étaient contrôlées pour certaines
variables d’influence, telles que l’apport en macronutriments et en fibres, alors que d’autres ne l’étaient pas, ce
qui a pu influencer les résultats des études.
Tableau 6. Résultats d’études d’intervention ayant étudié l’effet d’une diète à IG ou CG faible sur l’adiposité
Auteurs Sujets Diètes1 Durée2/
Devis
Résultats3
Études ayant utilisé des diètes contrôlées4
Slabber et
al. (1994)
(123)
42 femmes
obèses hyper-
insulinémiques
Diètes hypocaloriques à IG
faible vs. sans restriction
concernant l’IG (contrôlées
pour énergie et
macronutriments).
12 sem./
parallèle
et
12 sem./
chassé-
croisé
↓ poids plus élevée pour la
diète à IG faible (-9,34 kg vs.
-7,41 kg et -7,42 vs.-4,48 kg,
respectivement, pour les
devis en parallèle et en
chassé-croisé).
Pittas et al.
(2005) (108)
32 sujets ayant
un surplus de
poids et un
niveau de
glucose à jeun
normal
Diètes hypocaloriques
(contrôlées pour fibres et
énergie, aliments fournis) à
CG faible (40 % gluc, 30 %
prot, 30 % lip) vs. CG élevée
(60 % gluc, 20 % prot, 20 %
lip).
24 sem./
parallèle
↓ poids plus élevée (-10 kg
vs. -6 kg) pour la diète à CG
faible, seulement chez les
sujets ayant une sécrétion
d’insuline plus élevée suite à
un test oral de tolérance au
glucose.
22
Larsen et al.
(2010) (109)
773 sujets avec
un surplus de
poids ayant
perdu au moins
8% de leur poids
corporel au
préalable
5 diètes visant le maintien du
poids, contrôlées en lipides et
énergie mais différant en
termes d’IG et de contenu en
protéines : 1) IG↑ et prot ↑; 2)
IG↑ et prot ↓; 3) IG↓ et prot ↑;
4) IG↓ et prot ↑, 5) témoin.
26 sem./
parallèle
Regain de poids de 0,95 kg
de moins pour les diètes à
IG faible.
Das et al.
(2007) (113)
34 sujets ayant
un surplus de
poids (étude
CALERIE)
Diètes hypocaloriques à CG
faible vs. élevée (contrôlées
pour fibres, densité
énergétique, apparence et
goût, aliments fournis pendant
6 mois).
1 an/
parallèle
-Aucune différence
significative entre les 2
diètes en ce qui concerne
∆ poids, ∆ IMC et ∆ MG.
McMillan-
Price et al.
(2006) (106)
129 sujets ayant
un surplus de
poids
4 diètes hypocaloriques
(contrôlées en lipides, fibres et
énergie) : 1)↑gluc et IG↑;
2)↑gluc et IG↓; 3)↑prot et IG↑;
4)↑prot et IG↓).
12 sem./
parallèle
- Perte poids semblable pour
les 4 diètes.
Armeno et al
(2011) (110)
86 adolescents
obèses et hyper-
insulinémiques
Diètes hypocaloriques à IG
faible vs. sans restriction
concernant l’IG (contrôlées en
macronutriments).
16 sem./
parallèle
- Perte de poids semblable
pour les 2 groupes.
- ↓ plus élevée de la CT (-
9,1 cm vs. -6,6 cm) pour la
diète à IG faible.
de Assis
Costa et de
Cássia
Gonçalves
Alfenas
(2012) (111)
17 sujets ayant
un surplus de
poids
Diètes ad libitum à IG faible
vs. élevé (contrôlées pour
macronutriments, fibres,
densité énergétique et nombre
de portions de fruits et incluant
2 repas/j consommés en
laboratoire).
14 jours/
chassé-
croisé
- ↓ du poids (580 g) et de la
CT (≈1.5 cm) pour la diète à
IG faible seulement.
- Aucune différence
significative entre les 2
diètes en ce qui concerne
∆ IMC et ∆ % gras.
Sichieri et
al. (2007)
(117)
203 femmes
ayant un surplus
de poids
Diètes avec faible restriction
calorique à IG faible vs. élevé
(contrôlées en
macronutriments et fibres).
18 mois/
parallèle
Aucune différence
significative concernant
∆ poids.
Pal et al.
(2008) (118)
21 sujets ayant
un surplus de
poids
Déjeuners à IG faible vs. élevé
contrôlés en macronutriments
et fournis (autres repas non
contrôlés)
21 jours/
chassé-
croisé
Aucune différence
significative concernant
∆ poids.
Sloth et al.
(2004) (120)
45 sujets ayant
un surplus de
poids
Diètes ad libitum faibles en
gras et riches en glucides à IG
faible vs. élevé (contrôlées
pour macronutriments, fibres
et densité énergétique).
10 sem./
parallèle
Aucune différence
significative entre les 2
diètes en ce qui concerne
∆ poids et ∆ MG.
23
Goss et al.
(2012) (115)
69 sujets ayant
un surplus de
poids
Diètes eucaloriques à CG
faible vs. élevé, puis diètes
hypocaloriques à CG faible
vs. élevé (contrôlées en
énergie et macronutriments,
aliments fournis).
8 sem.
chaque/
parallèle
- Après la phase
eucalorique, ↓ GV 11 % plus
élevée pour la diète à CG
faible. Après la phase
hypocalorique, aucune
différence significative entre
les 2 diètes en ce qui
concerne ∆ poids, mais
↓MG 4,4 % plus élevée pour
la diète à CG faible.
Études ayant utilisé des diètes non contrôlées4
Philippou et
al. (2008)
(103)
13 sujets ayant
au moins un
facteur de risque
de MCV
Diètes hypocaloriques à IG
faible vs élevé (consommation
d’un aliment à IG faible vs.
élevé à chaque repas et
collation).
12 sem./
parallèle
↓ poids (- 4 kg) pour la diète
à IG faible seulement.
De
Rougemont
et al.
(2007)(104)
38 sujets ayant
un surplus de
poids
Diètes ad libitum à IG faible
vs. élevé.
5 sem./
parallèle
↓ poids (-1,1 kg) pour la
diète à IG faible seulement.
Ebbeling et
al. (2007)
(107)
73 sujets
obèses
Diètes ad libitum à CG faible
vs. faible en gras.
6 mois
intensifs
et 1 an
de suivi/
parallèle
↓ plus élevée du poids (-
5,8 vs. -1,2 kg) et du % gras
(-2,6 % vs. -0,9%) pour la
diète à CG faible, seulement
chez les sujets ayant une
sécrétion d’insuline plus
élevée suite à un test oral de
tolérance au glucose.
Mirza et al.
(2013) (122)
113 enfants
obèses
hispaniques
âgés entre 7 et
15 ans
Diètes ad libitum à CG faible
vs. faible en gras.
2 ans/
parallèle
Aucune différence entre les
2 diètes en ce qui concerne
∆ IMC et ∆ CT.
Bouché et
al. (2002)
(112)
11 hommes non
diabétiques
Diètes ad libitum à IG faible
vs. élevé.
5 sem./
chassé-
croisé
- Aucune différence entre les
2 diètes concernant ∆ poids
- ↓ MG (-700 g) pour la diète
à IG faible seulement.
Rizkalla et
al. (2012)
(116)
13 sujets
obèses
Diète hypocalorique à IG faible
riche en protéines et en fibres
solubles vs diète
hypocalorique conventionnelle
4 sem./
chassé-
croisé
Aucune différence
significative entre les 2
diètes en ce qui concerne
∆ poids, ∆ IMC, ∆ MG et
∆ CT.
24
Shyam et al.
(2013) (105)
77 femmes
asiatiques non
diabétiques
ayant une
histoire
antérieure de
diabète de
grossesse
Recommandations
nutritionnelles
conventionnelles vs.
recommandations concernant
la réduction de l’IG.
6 mois/
parallèle
↓ poids (-1.3 kg), ↓ IMC (-
0,6 kg/m2) et ↓ CT (-
2,7 cm) pour le groupe ayant
reçu des conseils sur l’IG
seulement.
Aston et al.
(2008) (119)
19 femmes
ayant un surplus
de poids
Diètes ad libitum à IG faible
vs. élevé.
12 sem./
chassé-
croisé
Aucune différence
significative entre les 2
diètes en ce qui concerne ∆
poids, ∆ % gras et ∆ CT.
Pereira et al.
(2004) (121)
39 sujets ayant
un surplus de
poids
Diètes hypocaloriques à CG
faible vs faible en gras jusqu’à
l’atteinte d’une perte de poids
de 10% du poids initial.
variable/
parallèle
↓ MG semblable pour les 2
diètes.
1Gluc : glucides; prot : protéines; lip : lipides, ↓ : faible; ↑ élevé 2 Représente la durée de chaque période d’intervention et non la durée totale de l’étude; sem : semaine 3↓ : Diminution significative; ∆ : changement entre le début et la fin de l’étude; IMC : indice de masse
corporelle; MG : masse grasse; CT : circonférence de la taille, % gras : pourcentage de gras; GV : gras
viscéral. 4Les diètes contrôlées représentent celles où au moins une variable alimentaire autre que l’IG ou la CG est
contrôlée, alors que les diètes non contrôlées sont celles où seuls l’IG et la CG sont contrôlés.
En conclusion, le tableau 7 présente un classement des études effectuées selon leur niveau de preuve et les
résultats qui en découlent. On peut voir que malgré la présence d’un grand nombre d’études ayant examiné
les associations entre l’IG, la CG et l’obésité et l’adiposité, les résultats obtenus sont divergents. De plus, peu
d’études observationnelles longitudinales ont été effectuées, et très peu d’études se sont intéressées à la
l’adiposité viscérale. Cela démontre l’importance de continuer à étudier l’IG et la CG en lien avec le risque
d’obésité et les différents indicateurs d’adiposité.
25
Tableau 7. Études ayant examiné les liens entre IG, CG et obésité, adiposité classées selon le type d’étude et les relations trouvées
*Regroupe les études où les relations étaient significatives pour certaines variables d’adiposité et non
significatives pour d’autres, ou encore, significatives pour l’IG mais pas pour la CG, ou vice-versa.
3.3 Mécanismes proposés pour expliquer la relation entre IG, CG et obésité
Plusieurs mécanismes ont été suggérés pour expliquer la relation entre l’IG, la CG, l’obésité. D’abord, une
hyperglycémie et une hyperinsulinémie induites par une diète à IG et CG élevés pourraient réduire la capacité
de l’organisme à oxyder les acides gras, ce qui favoriserait un plus grand stockage des lipides dans le tissu
adipeux et augmenterait ainsi le risque de gain de poids (78, 124). En effet, une hyperinsulinémie pourrait
augmenter l’oxydation postprandiale des glucides aux dépens de l’oxydation des lipides via l’activation
d’enzymes limitantes, tel que le malonyl-CoA, un intermédiaire de la glycolyse qui inhibe le transport des
acides gras vers les mitochondries, résultant en une diminution de l’oxydation des lipides (78). Une
hypersinsulinémie pourrait aussi favoriser le stockage de l’énergie sous forme de gras aux dépens de
l’oxydation des substrats énergétiques dans le muscle (80, 124). En effet, des rats chez qui on a administré de
l’insuline avaient une utilisation augmentée du glucose dans le tissu adipeux blanc et une utilisation diminuée
du glucose dans le muscle (125). De plus, une diète à IG élevé a été associée à une augmentation du quotient
26
respiratoire chez des souris, indiquant une diminution de l’oxydation des lipides (81). D’ailleurs, il a été
démontré qu’une insulinémie à jeun élevée était un prédicteur du gain de poids et d’obésité chez les enfants
Indiens Pimas (126). De plus, une sécrétion élevée d’insuline 30 minutes suivant un test de tolérance au
glucose a été associée à un gain de poids et à une augmentation de l’obésité abdominale sur une période de
suivi de six ans chez les participants de QFS (127). Ainsi, les individus ayant un phénotype de sécrétion
d’insuline élevée suite à la consommation d’une diète à IG ou CG élevés seraient plus susceptibles au gain de
poids (127).
Ensuite, le ratio élevé insuline/glucagon observé suite à la consommation d’une diète à IG et CG élevés
pourrait créer un stimulus anabolique puissant qui supprimerait les niveaux sanguins de substrats
énergétiques plusieurs heures après le repas. Cela provoquerait une hypoglycémie réactive et causerait une
augmentation des concentrations d’hormones contre-régulatrices comme le glucagon, l’épinéphrine, le cortisol
et l’hormone de croissance, augmentant ainsi la sensation de faim et l’apport énergétique afin de restaurer les
niveaux de substrats énergétiques à la normale, menant à plus long terme au gain de poids (127-129).
À l’inverse, une diète à IG faible a été associée à une augmentation de la dépense énergétique provenant de
l’activité physique chez les souris (81). Il a aussi été démontré qu’une diète à IG faible pouvait prévenir le
regain de poids suite à un programme de perte de poids en entraînant une moins grande diminution de la
dépense énergétique de repos (121, 130, 131) et augmenter l’utilisation des graisses pendant l’exercice
indépendamment de changements dans la dépense énergétique (132, 133).
Une alimentation à IG ou CG faible pourrait aussi diminuer le risque d’obésité en favorisant la satiété (78). En
effet, puisque les aliments à IG faible sont digérés et absorbés plus lentement, les récepteurs du tractus
gastro-intestinal sont stimulés plus longtemps, résultant en une rétroaction prolongée au centre de satiété du
cerveau via les signaux de satiété tels que la cholecystokinine et le glucagon-like peptide-1 (GLP-1). L’effet de
l’IG et de la CG sur la satiété, l’apport énergétique et le contrôle du poids corporel est très controversé. À cet
égard, la plupart des études d’intervention effectuées à court terme (≤ un jour) supportent l’hypothèse qu’un
repas à IG faible augmente la satiété, retarde la faim et entraîne un apport énergétique plus faible au repas
suivant, tandis que les études effectuées sur une période prolongée (> un jour) sont beaucoup moins
concluantes.
Une revue systématique regroupant 32 études d’intervention ayant utilisé des diètes contrôlées en
macronutriments s’est intéressée à l’effet de l’IG sur la satiété, l’apport énergétique et le contrôle du poids
corporel (134). Dans plus de la moitié des études d’intervention de courte durée (14 sur 25), un repas à IG
27
faible s’est accompagné d’une augmentation de la satiété et d’une diminution de l’apport calorique au repas
suivant. Cependant, il est à noter que, dans plusieurs de ces études, il était difficile de distinguer l’effet de l’IG
de celui d’autres variables confondantes telles que l’apport en fibres alimentaires, la densité énergétique, le
volume des aliments, la palatabilité et les préférences alimentaires. Par exemple, dans près de la moitié des
études (6 sur 14) supportant un effet de satiété à court terme d’un repas à IG faible, le repas à IG faible était
aussi caractérisé par un contenu plus élevé en fibres. Quant aux sept études ayant porté sur des périodes
d’intervention plus longues (de deux semaines à six mois), elles ont dévoilé des résultats inconsistants. Il n’est
donc pas possible de conclure à un effet bénéfique d’un IG faible sur le contrôle de l’appétit et du poids à long
terme.
En bref, il n’existe pas de consensus dans la littérature concernant l’effet des diètes à IG ou CG faible sur la
satiété, l’apport énergétique et le contrôle du poids corporel, cela étant dû en partie au manque d’études
effectuées à long terme et au manque d’uniformité entre les diètes comparées en ce qui a trait à leur contenu
en différents nutriments et à leur palatabilité. De plus, il est possible que les effets de l’IG diffèrent selon l’IMC
ou le niveau d’activité physique. En effet, un repas isocalorique à IG élevé dans lequel la proportion de
macronutriments et la palatabilité étaient contrôlées s’est accompagné d’une augmentation de la faim et d’une
augmentation de l’apport alimentaire au repas suivant chez des sujets obèses ou ayant un surplus de poids
(135). Par contre, chez des sujets actifs ayant un poids normal, un tel repas s’est accompagné d’une
diminution de la faim et d’aucun effet sur l’apport alimentaire (136).
La figure 5 illustre certains des mécanismes décrits ci-dessus proposés pour expliquer les relations entre l’IG,
la CG et l’obésité, de même que certains mécanismes liant l’IG et la CG au SM, qui seront décrits plus loin.
Figure 5. Mécanismes suggérés pour expliquer les relations entre l’IG, la CG, l’obésité et le SM (Figure adaptée de Brand-Miller et collaborateurs, Am J Clin Nutr, 2002) (78).
28
3.4 Relations entre IG, CG et SM
Les résultats d’études observationnelles s’étant intéressés au lien entre l’IG, la CG et la prévalence ou le
risque de développer le SM sont contradictoires. De façon générale, l’association semble plus claire pour l’IG
que pour la CG et semble plus forte chez les femmes de même que chez les sujets obèses ou ayant un
surplus de poids. Ainsi, une étude effectuée auprès de 910 sujets Coréens démontre qu’un IG et une CG
élevés sont associés respectivement à un risque de SM 10,4 fois et 6,68 fois plus élevé seulement chez les
femmes ayant un surplus de poids (94). Chez 2834 sujets provenant du Framingham Offspring Cohort, le
risque de développer le syndrome métabolique était 41% plus élevé chez les sujets ayant une alimentation à
IG élevé, tandis que la relation entre la CG et le risque de développer le syndrome métabolique n’était pas
significative (137). Dans le Cooper Center Longitudinal Study, une association positive a été observée entre
l’IG, mais pas la CG, et le SM chez les hommes seulement (91). Finalement, dans une étude effectuée chez
5011 sujets provenant du Third National Health and Nutrition Examination Survey (NHANES III), aucune
association n’a été observée entre la CG et la prévalence du SM autant chez les hommes que chez les
femmes (93). L’hétérogénéité de ces résultats pourrait en partie être due à une différence entre les études
concernant les critères utilisés pour définir le SM. En effet, deux des études (94, 137) ont utilisé l’ancien seuil
de glucose à jeun élevé (≥ 6,1 mmol/L) alors que les deux autres (91, 93) ont utilisé le seuil ayant été mis à
jour (≥ 5,6 mmol/L). De plus, différentes méthodes d’évaluation alimentaire et différentes tables d’IG ont été
utilisées entre les études, ce qui peut avoir contribué à la diversité des résultats. Par exemple, Kim et
collaborateurs (2008) (94) ont utilisé un questionnaire de fréquence pour évaluer l’apport alimentaire alors que
Finley et collaborateurs (2010) (91) ont utilisé un journal alimentaire de trois jours.
Une étude d’intervention s’est aussi intéressée à la relation entre la CG et la prévalence du SM (122). En effet,
cette étude clinique contrôlée et randomisée comparant une diète ad libitum à CG faible avec une diète ad
libitum faible en gras a été menée auprès de 113 enfants hispaniques obèses âgés entre 7 et 15 ans suivis
pendant deux ans. Bien que les deux diètes se soient accompagnées d’une diminution de la prévalence du
SM sur une période de suivi de deux ans, leurs effets ne différaient pas significativement. De plus, le risque de
développer le SM sur deux ans chez les participants qui n’avaient pas le SM initialement de même que le
risque de ne plus avoir le SM après deux ans chez ceux qui avaient le SM au départ n’étaient pas différents
entre les deux diètes.
29
3.5 Relations entre IG, CG et les facteurs de risque du SM
Dans les sections suivantes, un aperçu des études ayant examiné les associations entre l’IG, la CG et les
facteurs de risque du SM (selon les critères du NCEP ATP III), à l’exception de la CT qui a été abordée
précédemment, sera présenté.
3.5.1 Relations entre IG, CG et les niveaux de cholestérol HDL et de triglycérides
Le lien entre l’IG, la CG et les niveaux de cholestérol HDL (C-HDL) et de triglycérides (TG) est supporté dans
la littérature par l’ensemble des études observationnelles mais pas par la plupart des études d’intervention.
Les tableaux 8 et 9 présentent les résultats des études observationnelles et d’intervention ayant examiné les
effets de l’IG et de la CG sur le C-HDL et les TG.
La plupart des études épidémiologiques ont observé une relation inverse entre l’IG et le C-HDL (25, 26, 34,
91, 138-143) de même qu’entre la CG et le C-HDL (26, 34, 91, 93, 94, 139-142, 144, 145). En effet, selon
Vrolix et Mensink (2010), il peut être estimé à partir d’études épidémiologiques qu’une augmentation de la CG
de 30 unités s’accompagne d’une diminution du C-HDL de 0,08 mmol/L (146). De même, plusieurs études
observationnelles ont observé des associations positives entre l’IG et le niveau sanguin de TG (26, 34, 91,
140, 141, 143) ou entre la CG et le niveau de TG (26, 34, 91, 140-142, 144, 145). Cependant, dans plusieurs
études, les résultats varient selon le sexe (93, 94, 142, 145) ou l’IMC (140, 143). Enfin, quelques études n’ont
observé aucune association (147, 148).
Tableau 8. Résultats d’études observationnelles ayant examiné les associations entre IG, CG et C-HDL, TG
Auteurs Description Résultats*
Études observationnelles transversales
Frost et al. (1999)
(138)
699 hommes et 721 femmes âgés
entre 16 et 64 ans (1986/87 Survey of
British Adults).
Association inverse entre IG et C-HDL.
Ford et Liu (2001)
(139)
6825 hommes et 7082 femmes
américains âgés de 20 ans et plus
(NHANES III).
Associations inverses entre IG, CG et C-HDL.
Liu et al. (2001)
(140)
280 femmes américaines post-
ménopausées âgées entre 45 et
70 ans (Nurses Health Study).
- Associations inverses entre IG, CG et C-HDL.
- Associations positives entre IG, CG et TG.
- ↑ TG chez les femmes dont IMC ≥ 25 vs.
IMC < 25 pour le quintile de CG le plus élevé
vs. le plus faible.
30
Shikany et al.
(2010) (144)
878 femmes post-ménopausées
américaines âgées entre 50 et 79 ans
(Women’s Health Initiative
Observational Study).
- Association inverse entre CG et C-HDL.
- Association positive entre CG et TG.
Finley et al. (2010)
(91)
9137 hommes et 1775 femmes
américains âgés entre 20 et 79 ans
(Cooper Center Longitudinal Study).
- Associations inverses entre IG, CG et C-HDL.
- Associations positives entre IG, CG et TG.
Denova-Guitiérrez
et al.(2009) (141)
1638 hommes et 4192 femmes
mexicains âgés entre 20 et 70 ans
(Health Worker Cohort Study).
- Associations inverses entre IG, CG et C-HDL.
- Associations positives entre IG, CG et TG.
Levitan et al.
(2008) (26)
18137 femmes américaines âgées de
45 ans et plus (Women’s Health
Study).
- Associations inverses entre IG, CG et C-HDL.
- Associations positives entre IG, CG et TG.
Culberson et al.
(2009) (93)
3047 hommes et 1964 femmes
américains de tous âges
(NHANES III).
- Association inverse entre CG et C-HDL chez
les hommes et non significative chez les
femmes.
- Association non significative entre CG et TG.
Kim et al. (2008)
(94)
340 hommes et 570 femmes coréens
âgés de 20 ans et plus.
- Associations inverses entre CG et C-HDL
chez tous les sujets et entre IG et C-HDL chez
les femmes.
- Association non significative entre IG, CG et
TG.
Nakashima et al.
(2010) (145)
2257 hommes et 1598 femmes
japonais âgés de 35 ans et plus.
- Association inverse entre CG et C-HDL -
Association positive entre CG et TG chez les
femmes.
- Association non significative entre IG et C-
HDL ou TG.
Du et al. (2008)
(25)
517 hommes et 457 femmes
néerlandais âgés entre 42 et 87 ans
(CoDAM study et Hoorn Study).
- Association inverse entre IG et C-HDL.
- Associations non significatives entre IG et TG
et entre CG et TG ou C-HDL.
Mosdol et al
(2007) (34)
5198 hommes et 2123 femmes
anglais âgés entre 39 et 63 ans
(Whiteball II study).
- Associations inverses entre IG, CG et C-HDL.
- Association positive entre IG et TG.
- Association non significative entre CG et TG.
Van Dam et al
(2000) (148)
394 hommes néerlandais âgés entre
64 et 84 ans (Zutphen Eldery Study).
Association non significative entre IG et C-HDL
ou TG.
Liese et al. (2007)
(142)
441 hommes et 585 femmes
américains âgés entre 40 et 69 ans
(étude IRAS).
- Association positive entre CG et TG chez les
femmes et non significative chez les hommes.
- Association non significative entre IG et TG.
- Associations inverses entre IG et C-HDL chez
tous les sujets et entre CG et C-HDL chez les
hommes.
31
Hosseinpour-Niazi
et al. (2013) (143)
1327 hommes et 1130 femmes
iraniens de tous âges (Tehran Lipid
and Glucose Study).
- Association positive entre IG et TG et inverse
entre IG et C-HDL chez les sujets obèses
seulement.
- Association non significative entre CG et C-
HDL ou TG.
Études observationnelles prospectives
Oxlund et
Heitmann (2006)
(147)
172 hommes et 163 femmes danois
âgés entre 35 et 65 ans (MONICA
surveys), suivi de 6 ans.
Association non significative entre IG ou CG
initiaux et ∆ TG ou ∆ C-HDL.
*C-HDL : cholestérol HDL; TG : triglycérides; IG : Indice glycémique; CG : charge glycémique;
∆: changements avec le temps
Les méta-analyses effectuées sur les études d’intervention supportent un effet significatif de l’IG et de la CG
sur le cholestérol total et LDL, mais pas sur le C-HDL et les TG. En effet, quatre méta-analyses (149-152)
regroupant entre 4 et 28 études cliniques contrôlées et randomisées ayant comparé les effets d’une diète à IG
faible vs. élevé (150-152) ou les effets d’une diète à IG faible vs. une autre diète (149) sur le profil lipidique ont
été effectuées. Trois des méta-analyses incluaient seulement des études d’une durée minimale de quatre
semaines (149, 151, 152). Goff et collaborateurs (151) ont exclu les études n’ayant pas contrôlé pour les
macronutriments, mais les quantités de fibres et d’énergie pouvaient différer entre les diètes. Kelly et
collaborateurs (149) ont aussi exclu les études n’ayant pas contrôlé pour l’énergie et les macronutriments,
alors que dans les deux autres méta-analyses, l’absence de contrôle pour des facteurs confondants ne faisait
pas partie des critères d’exclusion. Dans les quatre méta-analyses, une diète à IG faible s’accompagnait d’une
réduction significative du cholestérol total et LDL, mais d’aucun effet sur le C-HDL et les TG. Ainsi, un grand
nombre d’études d’intervention ne supportent pas un effet significatif de l’IG ou de la CG sur les niveaux
sanguins de C-HDL et de TG (106, 113, 118, 120, 146, 153), des relations inverses ont aussi été observées
(154), et seule une minorité d’études ont trouvé des résultats concluants (107, 117, 121).
Tableau 9. Résultats d’études d’intervention ayant examiné les effets d’une diète à IG ou CG faible sur le C-HDL et les TG
Auteurs Sujets Diètes1 Durée2/
Devis
Résultats3
Études ayant utilisé des diètes contrôlées4
Sichieri et
al. (2007)
(117)
203 femmes
ayant un
surplus de
poids
Diètes avec faible
restriction calorique à IG
faible vs. élevé
(contrôlées pour
macronutriments et
fibres).
18 mois/
parallèle
↓ plus importante des TG pour la
diète à IG faible (différence de 16.4
mg/dl).
32
McMillan-
Price et al.
(2006)
(106)
129 sujets
ayant un
surplus de
poids
4 diètes hypocaloriques
(contrôlées pour gras,
fibres et énergie) :
1)↑gluc et IG↑; 2)↑gluc
et IG↓; 3)↑prot et IG↑;
4)↑prot et IG↓.
12 sem./
parallèle
Aucune différence significative entre
les diètes en ce qui concerne ∆ TG
et ∆ C-HDL.
Sloth et al.
(2004)
(120)
45 sujets ayant
un surplus de
poids
Diètes ad libitum faibles
en gras et riches en
glucides à IG faible vs.
élevé (contrôlées pour
énergie, fibres,
macronutriments et
densité énergétique)
10 sem./
parallèle
Aucune différence significative entre
les diètes en ce qui concerne ∆ TG
et ∆ C-HDL.
Das et al.
(2007)
(113)
34 sujets ayant
un surplus de
poids (étude
CALERIE)
Diètes hypocaloriques à
CG faible vs. élevée
(contrôlées pour fibres,
densité énergétique,
apparence et goût,
aliments fournis pendant
6 mois).
1 an/
parallèle
Aucune différence significative entre
les diètes en ce qui concerne ∆ TG
et ∆ C-HDL.
Pal et al
(2008)
(118)
21 sujets ayant
un surplus de
poids
Déjeuners à IG faible
vs. élevé contrôlés en
macronutriments et
fournis ( autres repas
non contrôlés)
21 jours/
chassé-
croisé
Aucune différence significative entre
les diètes en ce qui concerne ∆ TG
et ∆ C-HDL.
Vrolix et
Mensink
(2010)
(146)
15 sujets ayant
un surplus de
poids
4 aliments/j à IG faible
vs. élevé (diètes
contrôlées pour
macronutriments et
fibres).
11 sem./
chassé-
croisé
Aucune différence significative entre
les diètes en ce qui concerne ∆ TG
et ∆ C-HDL.
Études ayant utilisé des diètes non contrôlées4
Jebb et al
(2010)
(153)
548 sujets à
risque de SM
(étude RISCK,
inclut 5 centres)
5 diètes
isoénergétiques :1)↑gras
saturés et IG↑; 2)↑gras
monoinsaturés et IG↑; 3)
↑gras monoinsaturés et
IG↓; 4) ↓ gras et IG↑;
5)↓ gras et IG ↓.
24 sem./
parallèle
Aucune différence significative entre
les diètes en ce qui concerne ∆ TG
et ∆ C-HDL.
Ebbeling et
al (2007)
(107)
73 sujets
obèses
Diètes ad libitum à CG
faible vs. faible en gras.
6 mois
intensifs
et 1 an
de suivi/
parallèle
↑ C-HDL (1.6 mg/dl) et ↓TG (-21.2
mg/dl) pour la diète à CG faible
seulement après 6 mois; effets
maintenus pour C-HDL mais pas
pour TG lors du suivi.
33
Pereira et al
(2004)
(121)
39 sujets ayant
un surplus de
poids
Diètes hypocaloriques à
CG faible vs faible en
gras jusqu’à l’atteinte
d’une perte de poids de
10% du poids initial.
variable/
parallèle
↓TG pour la diète à CG faible
seulement (-3.5%).
Wolever et
Mehling
(2003)
(154)
34 sujets
résistants à
l’insuline
3 diètes :1) ↑gluc et IG↑;
2)↑gluc et IG↓; 3)↓gluc
et ↑gras monoinsaturés.
4 mois/
parallèle
↑ des TG (0.18 mmol/L) pour la diète
à IG faible seulement.
1Gluc : glucides; prot : protéines; lip : lipides; ↓ : faible; ↑ élevé 2 Représente la durée de chaque période d’intervention et non la durée totale de l’étude 3↓ : Diminution significative; ∆ : changement; C-HDL : cholestérol HDL; TG : triglycérides; IG : indice
glycémique; CG : charge glycémique 4Les diètes contrôlées représente celles où au moins une variable alimentaire autre que l’IG ou la CG a été
contrôlée, alors que les diètes non contrôlées sont celles où seuls l’IG et la CG sont contrôlés.
3.5.2 Relations entre IG, CG et la tension artérielle
Peu d’études se sont intéressées aux relations entre l’IG, la CG et la tension artérielle (TA), et la majorité des
études observationnelles (91, 93, 94) et d’intervention (107, 118, 120, 122) ne semblent pas supporter de lien
significatif. Quelques études ont cependant trouvé des résultats significatifs. Par exemple, Pereira et
collaborateurs (2004) ont observé une diminution de la TA systolique et diastolique plus importante suite à une
diète à CG faible comparativement à une diète faible en gras chez 39 sujets obèses ou ayant un surplus de
poids (121). Une autre étude portant sur un nombre plus élevé de sujets, soit 858 garçons et filles âgés en
moyenne de 12 ans et suivis sur une période de cinq ans, a démontré une association positive entre les
changements d’IG et de CG chez les filles. Plus spécifiquement, chaque écart type d’augmentation de l’IG et
de la CG s’accompagnait d’une augmentation significative de la TA systolique de 1,81 mm Hg et 4,02 mm Hg,
respectivement (155).
3.5.3 Relations entre IG, CG et le niveau de glucose à jeun
Les résultats d’études s’étant intéressées à l’IG ou à la CG en lien avec le niveau de glucose à jeun sont très
controversés. Bien que les études animales démontrent un effet néfaste de diètes à IG ou CG élevés sur le
glucose sanguin, la plupart des études observationnelles et d’intervention ne semblent pas supporter de lien
significatif. De plus, certaines études ont observé des relations positives alors que d’autres ont observé des
relations inverses.
34
Ainsi, l’effet hyperglycémiant d’une diète à IG élevé est démontré chez les animaux. Par exemple, dans une
étude où 48 souris 129SvPas ont consommé une diète identique différant seulement par le type d’amidon (IG
élevé ou faible) pendant 40 semaines, les souris du groupe à IG élevé avaient une résistance à l’insuline et
une glycémie à jeun plus élevées que les souris du groupe à IG faible à la fin de l’étude (81). Par contre, les
résultats provenant d’études observationnelles ne semblent pas supporter d’association entre l’IG, la CG et la
glycémie à jeun (34, 93, 94, 99, 148, 156). De plus, dans le Cooper Center Longitudinal Study, incluant 1775
femmes et 9137 hommes en santé, l’IG et la CG étaient inversement associés à la glycémie à jeun chez les
hommes (91). En ce qui concerne les études d’intervention, l’effet d’une alimentation à IG ou CG faibles sur la
glycémie à jeun est controversé. En effet, la majorité des études d’intervention n’ont observé aucun effet
significatif d’une diète à IG ou CG faible sur la glycémie à jeun (25, 107, 113, 119, 146, 154), alors que
quelques-unes ont observé une augmentation (120) ou une diminution (118) significatives de la glycémie à
jeun suite à une diète à IG ou CG faible. Une méta-analyse incluant neuf études cliniques randomisées n’a
trouvé aucune évidence concernant l’effet des diètes à IG faible sur le taux de glucose à jeun (149). De plus,
selon une revue de littérature de cinq études contrôlées et randomisées, une diète à IG faible s’est
accompagnée d’une augmentation de la glycémie à jeun dans deux des études incluses (157). Par contre,
selon une méta-analyse effectuée par Livesey et collaborateurs (2008) (101) incluant les résultats de 36
études d’intervention contrôlées s’étant intéressées à l’effet d’une diète à IG ou CG faible sur la glycémie à
jeun, une diète à IG ou CG faible s’est accompagnée d’une diminution significative de la glycémie à jeun
seulement chez les sujets pour qui cette dernière était ≥ 5 mmol/L, indépendamment de l’apport en glucides
digestibles et en fibres. Cela suggère que tous les sujets ne répondent pas à une diète à IG ou CG faible de la
même façon, celle-ci semblant avoir un effet seulement chez les sujets ayant un moins bon contrôle
glycémique.
En conclusion, le tableau 10 présente les études s’étant intéressées aux relations entre l’IG, la CG et le SM et
ses facteurs de risque, classées en fonction du type d’études et des résultats qui en découlent. Il démontre
que les effets de l’IG et de la CG sur le SM ses facteurs de risque sont très controversés dans la littérature. Il
est à noter que les effets de l’IG et de la CG sur certains de ces facteurs de risque (TA, glucose à jeun) et sur
le risque de SM en général ont été peu étudiés jusqu’à maintenant. Ainsi, d’autres études s’avèrent
nécessaires pour permettre de tirer des conclusions plus claires.
35
Tableau 10. Relations entre IG, CG et SM et ses facteurs de risques
*Regroupe les études où les relations étaient significatives pour certaines variables du SM et non significatives
pour d’autres, ou encore, significatives pour l’IG mais pas pour la CG, ou vice-versa.
**Relations inverses (ou positives pour C-HDL)
Méta : méta-analyses; Interv : études d’intervention; Prosp: études observationnelles prospectives; Trans:
études observationnelles transversales.
3.6 Mécanismes proposés pour expliquer la relation entre IG, CG et SM
Une alimentation ayant un IG et une CG élevés pourrait prédisposer les individus au développement du SM
par plusieurs mécanismes, dont certains sont illustrés à la figure 5. Il faut se rappeler qu’un repas à IG et CG
élevés entraine une hyperglycémie et un besoin augmenté d’insuline, ce qui résulte en une hypoglycémie
réactive. D’abord, tel qu’expliqué à la section 1.3, à long terme, les hyperglycémies et hyperinsulinémies
répétées causées par une alimentation ayant un IG et une CG élevés peuvent endommager les cellules β du
pancréas et mener à une intolérance au glucose, augmentant ainsi le risque de SM (37). De plus, des
évidences suggèrent que l’hypoglycémie réactive et l’augmentation des hormones contre-régulatrices en
réponse à une alimentation à IG et CG élevés peuvent augmenter la production d’acides gras en période
36
postprandiale, menant à la résistance à l’insuline (37). Ensuite, il a été démontré que la résistance à l’insuline
de même que l’hyperglycémie compensatoire sont impliquées dans le développement de dyslipidémies (TG
élevés, C-HDL réduit) et de l’hypertension (158, 159). Finalement, tel que mentionné à la section 3.3, les
réponses hormonales causées par une alimentation à IG et CG élevés pourraient diminuer l’oxydation des
lipides, stimuler la faim et favoriser l’entreposage des acides gras, menant au gain de poids (78, 124). Un
surplus de poids, surtout au niveau du tour de taille ou de la graisse abdominale, peut exacerber chacun des
critères du SM et mener à ce syndrome.
3.7 Limites des études
Plusieurs considérations d’ordre méthodologique peuvent expliquer l’hétérogénéité des associations
rapportées dans la littérature entre l’IG, la CG et l’obésité, l’adiposité et le SM et ses facteurs de risques.
D’abord, les divergences observées pourraient être dues à un manque de constance entre les études
concernant les outils utilisés pour évaluer l’apport alimentaire de même que les méthodes utilisées pour
déterminer l’IG des aliments. Par exemple, un questionnaire de fréquence ne permet pas une description
suffisamment détaillée des aliments consommés pour distinguer les différentes variétés d’aliments et
méthodes de cuisson pour lesquelles l’IG peut différer considérablement (12), alors qu’un journal alimentaire
permet d’obtenir plus de précision sur les aliments consommés, mais risque d’être moins représentatif de
l’alimentation habituelle (91). De plus, les tables d’IG utilisées et les critères pour assigner les valeurs d’IG aux
aliments diffèrent entre les études. Des études ont révélé que même des petites différences entre les études
dans les valeurs d’IG assignées aux mêmes aliments peuvent influencer le classement des participants selon
leur IG et CG moyens (36, 160). Dans les études d’intervention, la définition d’une diète à IG ou CG faible ou
élevé de même que les procédures utilisées pour administrer les diètes aux participants diffèrent entre les
études. Par exemple, dans certaines études, les sujets ont remplacé un ou plusieurs aliments de leur diète
habituelle par des aliments à IG faible, alors que dans d’autres, des repas pour lesquels l’IG et la CG étaient
calculés ont été fournis aux participants.
Ensuite, les caractéristiques des populations étudiées telles que l’ethnicité, l’âge et le sexe pourraient avoir un
impact. Par exemple, l’origine ethnique peut influencer les habitudes alimentaires et par le fait même l’IG et la
CG de l’alimentation. Ainsi, dans une étude effectuée chez de sujets arabes (143), le riz était le plus grand
contributeur de l’IG de l’alimentation, alors que dans une étude effectuée chez de sujets espagnols (97), c’était
plutôt le pain blanc. Aussi, des associations différentes selon le sexe ont été observées dans la plupart des
études, mais il n’est pas clair si cela serait dû à une influence génétique ou comportementale (10). D’ailleurs,
tel que mentionné à la section 1.3, dans une méta-analyse effectuée par Livesey et al (2013) s’intéressant aux
37
associations entre IG, CG et DT2, le sexe, l’ethnicité et la validité des méthodes d’évaluation nutritionnelle
expliquaient 97 % de l’hétérogénéité des études (10).
Les associations peuvent aussi être confondues par des biais dans l’estimation de l’apport alimentaire auto-
rapporté, causant ainsi des différences entre l’apport alimentaire rapporté et l’apport alimentaire réel, ce qui
représente un problème important dans les enquêtes alimentaires (1). En effet, une sous-déclaration de
l’apport alimentaire variant entre 10 % et 50 % est courante dans les études de cohorte alimentaires,
particulièrement pour les participants ayant une masse corporelle plus élevée, et pourrait altérer les
associations entre l’apport alimentaire et l’obésité et ainsi influencer l’interprétation des résultats et par le fait
même les conclusions tirées à propos des facteurs potentiels contribuant à l’obésité (1). Par exemple, dans
une étude effectuée par Lau et collaborateurs (2009), la CG était inversement associée à l’IMC lorsque tous
les sujets étaient inclus, et positivement associée à l’IMC lorsque les sujets ayant sous-déclaré leur apport
énergétique étaient exclus (86). Très peu d’études observationnelles s’étant intéressées aux associations
entre l’IG, la CG et l’obésité ont tenu compte de l’apport énergétique improbable (34, 86, 88, 97, 100), ce qui a
pu biaiser les associations observées. De plus, la méthode utilisée pour tenir compte de la sous-déclaration
varie entre les études, ce qui a aussi pu influencer les conclusions. En ce qui concerne les études
d’intervention, ce risque d’erreur peut être évité si les aliments sont fournis aux participants, ce qui n’est pas le
cas pour la plupart des études effectuées.
Il est aussi important de considérer que les relations entre l’IG, la CG et l’obésité et le SM peuvent être
influencées par diverses variables. Par exemple, la teneur en fibres, protéines et gras de l’alimentation
peuvent influencer l’IG (voir section 1.2). De plus, les variables étant associées à l’obésité et au SM doivent
être considérées. Le choix de certaines variables confondantes considérées de même que les méthodes
statistiques utilisées pour en tenir compte diffèrent entre les différentes études observationnelles, ce qui peut
influencer les résultats. L’apport en macronutriments, l’apport énergétique, l’apport en fibres, l’âge, le sexe, la
pratique d’activité physique, le sommeil et le tabagisme sont les variables confondantes ayant le plus souvent
été considérées. La consommation d’alcool, le statut socio-économique, l’origine ethnique, le niveau de
scolarité, la condition physique cardiorespiratoire et le statut ménopausal ont aussi été considérés dans
certaines études. En ce qui concerne les études d’intervention, les caractéristiques des diètes comparées
diffèrent largement entre les études, et rares sont les études qui ont comparé des diètes ayant les mêmes
proportions de macronutriments et de fibres et différant uniquement en termes d’IG et de CG. Ainsi, une diète
à IG faible a parfois été comparée à une diète à IG élevé, mais aussi parfois à une diète faible en gras, ou à
un autre type de diète. De plus, certaines études ont utilisé des diètes restrictives alors que d’autres ont utilisé
des diètes ad libitum. Puisque l’un des mécanismes suggérés pour expliquer l’effet d’une diète à IG et CG
38
faibles sur l’adiposité est son effet potentiel de satiété résultant en une diminution de l’apport énergétique, les
diètes ad libitum pourraient permettre de mieux évaluer l’effet de l’IG et de la CG. D’ailleurs, tel que mentionné
à la section 3.2, une méta-analyse de 23 études d’intervention a démontré que les diètes à IG ou CG faibles
ad libitum, mais pas celles dont l’apport énergétique était contrôlé, s’accompagnaient d’une perte de poids
significative (101).
Finalement, il y a un manque d’études effectuées à long terme, avec des grands échantillons et randomisées
à l’aveugle. Aussi, l’IG et la CG en relation avec certaines variables telles que la TA et la GV de même qu’avec
le risque de SM ont été peu étudiés, limitant ainsi l’information disponible pour tirer des conclusions.
39
4. Hypothèses et objectifs
À la lecture du chapitre 1, on peut conclure que les relations entre l’IG, la CG et l’obésité et le SM sont très
controversées. De plus, les associations entre l’IG, la CG et la TA, la GV et le risque de SM ont été très peu
étudiées. Bien que les études d’interventions permettent d’établir des relations de cause à effet, leur
réalisation sur une longue période avec un grand échantillon et en utilisant des diètes ad libitum contrôlées
pour les nombreux facteurs confondants représente tout un défi. Les études de cohorte longitudinales, qui
permettent d’établir un niveau de preuve plus élevé que les études de cohorte transversales, représentent
donc une alternative intéressante, et peu d’entre-elles ont été menées. De plus, encore plus rares sont les
études qui ont tenu compte de la sous-déclaration de l’apport énergétique, et, à ce jour, aucune étude de
cohorte prospective ayant examiné les associations entre l’IG, la CG et l’obésité ou le SM n’a tenu compte de
ce biais potentiel. Ainsi, une étude de cohorte prospective examinant les relations entre l’IG, la CG et l’obésité
et le SM tout en tenant compte de la sous-déclaration de l’apport énergétique pourrait permettre d’améliorer
notre compréhension de la contribution de l’IG et de la CG de l’alimentation dans le développement de
l’obésité et du SM.
4.1 Hypothèse générale
Sur la base des résultats présentés précédemment, une alimentation à IG et CG élevés est associée à une
augmentation d’obésité et d’adiposité de même qu’à un risque accru de SM.
4.2 Hypothèses spécifiques
Une alimentation à IG et CG élevés est associée :
1. À une prévalence accrue d’obésité;
2. À une adiposité plus élevée;
3. À un gain de poids et d’adiposité avec le temps;
4. À un risque accru de SM et de ses facteurs de risque;
5. À une augmentation des facteurs de risque du SM avec le temps.
6. La déclaration improbable de l’apport alimentaire influence les relations entre l’IG, la CG et l’obésité et le
SM.
40
4.3 Objectif général
L’objectif général de ce projet de maitrise est d’évaluer les relations entre l’IG et la CG de l’alimentation et
l’obésité et l’adiposité ainsi que le SM et ses facteurs de risque au sein des participants de QFS, en tenant
compte de la déclaration improbable de l’apport énergétique.
4.4 Objectifs spécifiques
Ce projet de maitrise comporte plusieurs objectifs spécifiques. Il vise à examiner les relations entre :
1. L’IG et la CG de l’alimentation et la prévalence d’obésité;
2. L’IG et la CG de l’alimentation et divers indicateurs d’adiposité en fonction du sexe et du statut pondéral;
3. L’IG et la CG de l’alimentation et les changements d’adiposité sur une période de six ans;
4. L’IG et la CG de l’alimentation et le risque de développer le SM ou ses facteurs de risque;
5. L’IG et la CG de l’alimentation et les changements des facteurs de risque du SM sur six ans.
6. Il vise aussi à évaluer l’impact d’une déclaration improbable de l’apport énergétique sur ces relations.
41
5. Méthodologie
5.1 L’Étude des Familles de Québec (QFS)
Les études effectuées dans le cadre de ce mémoire ont porté sur les données de l’étude des familles de
Québec (QFS). L’étude QFS a été initiée à l’Université Laval en 1978 dans le but d’examiner les aspects
génétiques de l’obésité et de ses comorbidités au sein de familles québécoises, tel que décrit précédemment
(161). Cette étude comprend trois phases s’étalant de 1978 à 2001 et regroupe un total de 951 participants
provenant de 223 familles ayant été recrutés via les médias dans la grande région de Québec. Pour la
présente étude, les analyses ont porté uniquement sur les participants des phases deux et trois, âgés entre 10
et 73 ans, après exclusion des sujets diabétiques, soit un total de 794 participants, dont 272 avec des
données obtenues aux phases deux et trois avec un écart moyen de 6 ans entre les deux phases. Tous les
participants ont fourni leur consentement par écrit et le projet a été approuvé par le comité d’éthique de
l’Université Laval.
5.2 Mesures anthropométriques
La taille et le poids ont été mesurés respectivement à l’aide d’un stadiomètre standard au 0,1 cm près et d’une
balance digitale (modèle 610/612; Beckman Industrial, Scotland, UK) au 0,1 kg près et ont été utilisés pour
calculer l’indice de masse corporelle (IMC). La circonférence de la taille a été mesurée à mi-chemin entre la
crête iliaque et la dernière côte flottante. Ces variables anthropométriques ont été mesurées selon un
protocole standardisé provenant de The Airlie Conference (162). La masse grasse a été estimée à partir de
mesures de densité corporelle obtenues par pesée hydrostatique (163). La quantité de graisse sous-cutanée a
été évaluée par la somme de plis adipeux mesurés sur 6 différents sites (biceps, triceps, mollet, supra-iliaque,
abdominal et subscapulaire). La graisse viscérale et la graisse abdominale totale ont été estimées par
tomodensitométrie entre les vertèbres L4 et L5 alors que la graisse sous-cutanée a été obtenue par différence
(164). Toutes ces mesures ont été effectuées de la même façon au départ de l’étude et après une période de
six ans.
42
5.3 Évaluation de l’apport alimentaire et détermination et calcul de l’IG et de la CG
5.3.1 Évaluation de l’apport alimentaire
La mesure des apports nutritionnels a été réalisée à l’aide d’un journal alimentaire de trois jours, incluant deux
journées de semaine et une journée de fin de semaine. Les participants devaient rapporter tous les aliments et
breuvages ingérés et utiliser une balance pour en mesurer précisément les quantités, en suivant des
consignes spécifiques données par une nutritionniste. Cette méthode d’évaluation nutritionnelle a été validée
précédemment auprès de cette population (165). Les journaux complétés ont été vérifiés par une nutritionniste
d’expérience qui a estimé l’apport alimentaire quotidien en utilisant une version informatisée du fichier
canadien sur les éléments nutritifs (166).
5.3.2 Détermination de l’IG et de la CG des aliments consommés par les participants
Afin de déterminer l’indice glycémique moyen de l’alimentation habituelle pour chaque participant, une valeur
d’IG a d’abord été assignée à chacun des aliments présents dans les journaux alimentaires de trois jours
remplis par les participants (n=2721) en utilisant la version la plus récente des tables internationales de
valeurs d’IG (167), la banque de données en ligne de l’Université de Sydney (14) et la table de valeurs d’IG du
livre The New Glucose Revolution (6). Le glucose (IG=100) a été utilisé comme valeur de référence (168,
169). Lorsque plusieurs valeurs d’IG étaient disponibles pour un même aliment, nous avons priorisé les
valeurs dérivées d’aliments canadiens et américains, de même que celles dérivées de groupes de 10 sujets et
plus, peu importe si ces derniers étaient diabétiques ou en santé, puisque l’IG ne varie pas significativement
d’un sujet à l’autre (16). Lorsque différentes valeurs d’IG demeuraient tout de même éligibles pour un même
aliment, la moyenne des valeurs d’IG éligibles était assignée. Lorsqu’une valeur d’IG pour un aliment n’était
pas disponible dans aucune des trois tables utilisées, l’IG d’un aliment jugé le plus semblable était attribué. Le
critère le plus important utilisé pour déterminer l’aliment le plus semblable était la quantité de glucides, mais
les autres facteurs qui influencent l’IG des aliments (voir section 1.2) ont aussi été considérés. Les aliments
composés pour lesquels l’IG n’était pas disponible ont été décomposés en leurs composantes individuelles, et
la moyenne pondérée des principaux ingrédients contenant des glucides a été utilisée pour déterminer leur IG
(169-172). On a assigné aux fromages l’IG du lait entier et aux boissons alcoolisées l’IG de la bière (173).
Tous les aliments restants, incluant ceux contenant des quantités négligeables de glucides (légumes pauvres
en amidon, viandes, volaille, poissons et fruits de mer non apprêtés, œufs, corps gras, aliments sucrés avec
un édulcorant et certaines soupes, sauces et vinaigrettes; 24,9 % des aliments) de même que ceux contenant
43
une quantité appréciable de glucides mais pour lesquels un aliment semblable n’a pas pu être identifié
(certaines soupes, sauces et vinaigrettes; 1,3 % des aliments), se sont faits assigner un IG de 71 (IG du pain
blanc) (173). La valeur d’IG assignée à un aliment lorsqu’il n’y a pas de valeur d’IG publiée peut être débattue,
et certaines études ont utilisé des valeurs de 0, 50 ou 100. Cependant, une valeur de 71 a été dite préférable
à une valeur de zéro, qui est inadéquate (16), ou à des valeurs de 50 ou 100, qui pourraient biaiser les
estimations à la baisse ou à la hausse (173), et tient compte du fait que le type de glucides retrouvé dans les
viandes est du glycogène (172). Par ailleurs, puisque ces aliments contribuent très faiblement à la proportion
totale de glucides de l’alimentation, la valeur d’IG qui leur est attribuée n’est pas très importante d’un point de
vue pratique (173).
5.3.3 Calcul de l’IG et de la CG moyens
L’IG et la CG peuvent s’appliquer à un repas ou à l’alimentation d’une ou plusieurs journées, et l’on peut
déterminer des IG et CG moyens pour le total des aliments consommés au cours du repas ou de la journée
même si les valeurs d’IG ont été déterminées à partir d’aliments séparés. Un grand nombre d’études ont
montré une relation étroite entre l’IG moyen prédit et calculé à partir de chacun des aliments consommé et l’IG
observé suite à un repas (6, 169, 171, 174).
Tel que mentionné à la section 1.2, certains types de fibres alimentaires peuvent influencer la vidange
gastrique, l’absorption des nutriments et ainsi l’IG (6). Par contre, les fibres alimentaires, peu importe leur
nature, ne devraient pas être incluses dans le calcul de l’IG ou de la CG puisqu’elles ne sont pas absorbées
par l’intestin grêle (6, 156, 172, 175). Si les fibres alimentaires étaient incluses dans le calcul, cela aurait pour
effet de surestimer l’indice glycémique (175). Donc, pour les calculs relatifs à l’IG et à la CG, il faut toujours
utiliser la quantité de glucides à laquelle la quantité de fibres totales a été soustraite. Les fibres totales incluent
toutes les fibres, que celles-ci soient solubles ou insolubles, alimentaires ou fonctionnelles. Elles incluent aussi
les fibres nouvelles, qui, une fois employées de manière significative pour l’alimentation humaine, deviennent
des fibres fonctionnelles (176). Pour plus de détail concernant les différents types de fibres alimentaires, voir
Annexe 1.
44
Pour calculer l’IG d’une journée, il est important de tenir compte de la proportion des aliments consommés.
Ainsi, une moyenne pondérée de la valeur d’IG de chaque aliment doit être effectuée (6, 174). Ainsi, la formule
suivante a été utilisée (6, 156, 169, 172, 174) :
Soit x1, x2, x3, … les aliments consommés.
IG quotidien = (gluc x1 / gluc total * IGx1) + (gluc x2 / gluc total * IGx2) + …
Où :
Gluc x : Quantité de glucides digestibles (glucides - fibres totales) en grammes contenue dans l’aliment x.
Gluc total : Quantité de glucides digestibles (glucides totaux – fibres totales) en grammes consommée au total
dans la journée (somme des glucides de tous les aliments consommés dans la journée excluant les fibres).
IGx : Indice glycémique de l’aliment x.
Pour calculer l’IG moyen des trois journées, la moyenne de l’IG de chacune des journées a été calculée.
La CG d’un aliment représente le produit de son indice glycémique avec la quantité de glucides digestibles
qu’il contient, divisé par 100. La CG totale d’une journée représente la somme de la CG de tous les aliments
consommés dans la journée (175). Ainsi, pour calculer la CG d’une journée, la formule suivante a été utilisée
(156, 172, 175, 177) :
Soit x1, x2, x3, … les aliments consommés.
CG quotidienne = (gluc x1 * IGx1 /100) + (gluc x2 * IGx2 /100) + …
Où :
Gluc x : Quantité de glucides digestibles (i.e. glucides – fibres totales) en grammes contenue dans l’aliment x.
IG x : Indice glycémique de l’aliment x.
Pour calculer la CG moyenne des trois journées, la moyenne de la CG de chacune des journées.
5.3.4 Identification de l’apport calorique non conforme aux valeurs prédites de la dépense
d'énergie
Les besoins énergétiques prédits (pER) ont été estimés en utilisant des formules de l’Institute of Medicine
(178). Des formules différentes ont été sélectionnées en fonction de l’âge, de l’IMC et du niveau d’activité
physique des sujets. Le niveau d’activité physique (PAL) a été déterminé à partir du journal d’activité physique
de trois jours rempli par les participants (voir section 5.4) et des critères de l’Institute of Medicine (sédentaire,
légèrement actif, actif ou très actif) (178). La méthode décrite par Huang et collaborateurs (2005) (1) a été
utilisée pour identifier les participants dont la déclaration de l’apport énergétique était non conforme aux
valeurs prédites de la dépense d’énergie en ayant été sous-estimée ou surestimée. Pour ce faire, les
participants ont été divisés en différents groupes selon leur sexe, leur âge (10-18, 19-30, 31-50 et > 50 ans) et
leur IMC (< 25 ou ≥ 25 kg/m2). Il est à noter que, puisque très peu de sujets étaient âgés de plus de 70 ans
45
dans notre cohorte, un groupe d’âge séparé n’a pas été créé pour cette catégorie d’âge. Ensuite, un seuil de
± un écart type (SD) de l’apport énergétique déclaré (rEI) exprimé en pourcentage du pER propre à chaque
groupe de sexe-âge-IMC a été calculé selon l’équation suivante : ± 1 SD = √ (CV2rEI/d + CV2pER + CV2mTEE),
où CV2rEI est la variation intra-individuelle de l’apport énergétique déclaré (écart type de rEI / rEI moyen), d est
le nombre de jours de l’évaluation alimentaire (trois jours), CV2pER est l’erreur dans le besoin énergétique
prédit (écart type des résidus de l’équation de prediction / pER moyen pour chaque groupe de sexe-âge-IMC)
et CV2MTEE est la variation journalière de la dépense énergétique totale (TEE), qui a été estimée
précédemment à 8,2 % (179). Puisque les seuils de ± 1 SD se sont avérés être semblables entre les groupes
(17 % à 22 %), un seuil moyen de 19 % a été utilisé pour nos analyses. Ainsi, les participants ont été
considérés comme ayant fait une déclaration plausible (NR) de leur apport énergétique si leur ratio rEI:pER
exprimé en pourcentage se situait entre 83 % et 117 %, ayant sous-déclaré leur apport énergétique (UR) si
rEI:pER ≤ 83 % et ayant sur-déclaré leur apport énergétique si rEI:pER ≥ 117 %.
5.4 Évaluation des covariables
À la lumière de la revue de littérature, plusieurs variables confondantes ont été identifiées. Des corrélations
ont été effectuées afin d’identifier les covariables les plus importantes aux fins d’ajustements statistiques. À
noter que cette étude est la seule à avoir tenu compte de l’apport en calcium, cela étant dû à l’association qui
est établie dans QFS entre l’apport en calcium et l’adiposité (180).
Les habitudes de sommeil (nombre d’heures par jour), d’activité physique (nombre d’heures par semaine) et
de tabagisme ont été évaluées à partir d’un questionnaire auto-administré aux participants. La pratique
quotidienne d’activité physique a été déterminée à partir d’un journal d’activité physique de trois jours dans
lequel les participants devaient inscrire leur niveau de dépense énergétique pour chaque période de
15 minutes basé sur des activités classées en neuf niveaux d’activité physique. Le niveau un correspondait
aux activités de très faible dépense énergétique telles que dormir et le niveau neuf était associé aux activités
entraînant une dépense énergétique très élevée telles que courir. La somme des scores un à quatre
correspondait au temps d’activités sédentaires alors que la somme des scores cinq à neuf correspondait au
temps passé à pratiqué des activités physiques d’intensité modérée à élevée. La fiabilité et validité de cette
méthode ont été rapportées précédemment (181).
47
Chapitre 2. Articles
Article 1. Glycemic index, glycemic load, and their relationships with
adiposity in the Quebec family study (QFS)
Cet article n’a pas encore été soumis à des revues pour publication. Certains résultats de cet article ont fait l’objet de
présentations orales lors du congrès de l’association canadienne francophone pour le savoir (ACFAS) en mai 2013
de même que lors du congrès annuel de la Canadien Nutrition Society (CNS) en juin 2013 à Québec. Les résultats de
cet article ont aussi fait l’objet d’une présentation sous forme d’affiche lors du congrès annuel de The Obesity Society
(TOS) à Atlanta en novembre 2013. Pour cet article, j’ai réalisé les analyses statistiques, l’analyse des résultats et la
rédaction du manuscrit.
48
Résumé
Introduction: Plusieurs aliments riches en glucides typiques de la diète Western produisent une réponse glycémique
élevée, ce qui pourrait favoriser un gain de poids. Les relations entre l’IG, la CG et l’adiposité sont controversées, ce
qui pourrait en partie être dû à la déclaration improbable de l’apport énergétique.
Objectif: L’objectif de l’étude était d’explorer les associations entre l’IG, la CG et l’obésité sur six ans au sein des
participants de QFS, tout en tenant compte de la déclaration improbable de l’apport énergétique.
Méthodes: L’IMC, la MG, la CT de même que la graisse abdominale totale, sous-cutanée et viscérale ont été
mesurés chez 794 participants non diabétiques dont 272 avec des données obtenues à deux reprises sur six ans.
L’IG et la CG moyens ont été calculés à partir de journaux alimentaires de trois jours et des tables internationales
d’IG. Les associations entre IG, CG et obésité ont été analysées en comparant les valeurs d’IG et de CG entre les
sujets obèses et non obèses de même qu’en effectuant des corrélations entre IG, CG et les variables d’adiposité.
L’ANOVA a été utilisée pour analyser les changements d’adiposité avec le temps selon les tertiles de changements
d’IG et de CG. Les analyses ont été répétées suite à l’exclusion des sujets ayant fait une déclaration improbable de
leur apport énergétique, identifiés en comparant l’apport énergétique déclaré avec les besoins énergétiques prédits.
Les analyses ont aussi été effectuées avec et sans ajustement pour l’apport énergétique.
Résultats: L’IG et la CG étaient plus élevés (p < 0.005) chez les femmes obèses que chez les femmes non-obèses,
et des associations positives ont été observées entre l’IG, la CG et les variables d’adiposité chez les femmes
(0.12 ≤ r ≤ 0.16; p ≤ 0.01), mais pas chez les hommes. Ces associations étaient significatives lorsque les femmes
ayant fait une déclaration improbable de leur apport énergétique (46 % des femmes) étaient exclues des analyses.
Les corrélations entre la CG et l’adiposité étaient plus élevées et significatives autant chez les hommes
(0.27 ≤ r ≤ 0.30; p ≤ 0.001) que chez les femmes (0.43 ≤ r ≤ 0.46; p ≤ 0.0001) lorsque les sujets ayant fait une
déclaration improbable de leur apport énergétique étaient exclus. Une augmentation de la CG sur six ans était
associée à des gains d’IMC (p= 0.007), de MG (p= 0.02) et de CT (p= 0.007) chez les femmes après ajustement pour
les covariables, mais pas chez les hommes. Par contre, ces associations n’étaient pas significatives lorsque les
femmes ayant fait une déclaration improbable de leur apport énergétique étaient exclues, mais étaient significatives
parmi les femmes ayant sous-déclaré leur apport énergétique.
Conclusion: Les résultats suggèrent que les femmes ayant une alimentation à IG et CG élevés sont plus à risque
d’obésité et qu’une augmentation de la CG de leur alimentation est associée à des gains d’adiposité, ce qui pourrait
en partie être dû à la sous-déclaration de l’apport énergétique.
49
Glycemic index, glycemic load, and their relationships with adiposity in the Quebec
family study (QFS)
Kathryn Adel BSc1, Vicky Drapeau RD, Ph.D.2, Angelo Tremblay Ph.D.1, Claude Bouchard Ph.D.3 and Louis Pérusse
Ph.D.1*
1Department of kinesiology, Laval University, Québec, QC G1V OA6
2Department of physical education, Laval University, Québec, QC G1V OA6
3Pennington Biomedical Research Center, Baton Rouge, LA, USA
*Corresponding author:
Louis Pérusse, Ph.D.
Département de kinésiologie
Pavillon de l'Éducation Physique et des Sports (PEPS)
2300, rue de la Terrasse, bureau 2128
Université Laval
Québec G1V 0A6
CANADA
Tel: (418) 656-5092, Fax: (418) 656-3044
E-mail: [email protected]
Key words: Diet, obesity, adiposity, glycemic index, glycemic load, prospective cohort study, underreporting, weight
change, BMI, waist circumference, abdominal fat.
50
Abstract
Background: Many high-carbohydrate foods common to Western diets have been shown to produce a high glycemic
response, which may favor weight gain. Studies that have tested associations between glycemic index (GI), glycemic
load (GL) and adiposity have yielded mixed results, which could be partly explained by failure to take into account
implausible reported energy intake (rEI).
Objective: The purpose of the study was to investigate associations between GI, GL and obesity and adiposity while
accounting for implausible rEI.
Methods: Body mass index (BMI), fat mass (FM), waist circumference (WC), total abdominal fat (AF), sub-cutaneous
fat (SF) and visceral fat (VF) as well as GI and GL assessed using 3-day dietary records and GI value tables, were
measured in 794 non-diabetic participants, including 272 for which data were obtained on two occasions over a six
year follow-up period. Associations between GI, GL and obesity were tested by comparing values between obese and
non-obese men and women, and by computing correlations of GI and GL with adiposity traits. Change in adiposity
over time was compared between subjects classified into sex-specific tertiles of changes in GI and GL using ANOVA.
Analyses were repeated after exclusion of misreporters identified by comparing rEI with predicted energy
requirements. Analyses were performed using energy adjusted and non-adjusted GI and GL values.
Results: GI and GL values were higher (p < 0.005) in obese compared to non-obese women, and positive
associations were observed with adiposity in women (0.12 ≤ r ≤ 0.16; p ≤ 0.01), but not in men. Associations
remained significant after exclusion of women with implausible rEI (46% of women). Correlations between GL and
adiposity increased and became significant in men (0.27 ≤ r ≤ 0.30; p ≤ 0.001) and women (0.43 ≤ r ≤ 0.46;
p ≤ 0.0001) when computed in NR. Six-year increases in GL were associated with gains in BMI (p= 0.007), FM
(p= 0.02), and WC (p= 0.007) in women, after adjustment for covariates. However, these associations were no longer
significant after exclusion of misreporters but remained significant among underreporters.
Conclusion: Our results suggest that GI and GL are associated with obesity and adiposity in women, and that an
increase in the GL of their diet is associated with gains in adiposity over a 6-year follow-up period, which could be
explained, in part, by implausible rEI.
51
INTRODUCTION
Since 1980, the worldwide prevalence of obesity and overweight has nearly doubled and reached respectively 12 %
and 35 % of adults aged 20 and older in 2008. This rapid increase in obesity along with the growing burden of
obesity-related chronic disease resulted in continued interest in identifying modifiable determinants of weight gain.
Glycemic index (GI) and glycemic load (GL) of the habitual diet have received considerable attention in this respect,
because in the Western world, the increasing prevalence of obesity is temporally associated with an increase in
carbohydrate intake (1), including an increase in GI and GL of the habitual diet (2).
However, previous meta-analyses of randomized controlled trials (RTC’s) as well as observational studies examining
the relationships between GI, GL, and obesity or adiposity have found positive (3-9), null (10-14), a mixture of positive
and null (15-21) or inverse (10, 12, 20, 22) associations. Taking into account that weight gain usually develops slowly
over years, and that various dietary confounders can affect the associations, it is a challenge to conduct RTC’s
investigating the isolated effects of GI and GL on weight gain over time. Therefore, large prospective cohort studies
are important to explore these associations, and few of them have been conducted so far (5, 15-19).
The heterogeneity of the associations between GI, GL and adiposity may be partly due to methodological aspects of
dietary assessment. For example, tools used to evaluate dietary intake as well as GI tables and methodologies used
to determine GI of food items differ between studies. In fact, according to previous research, even small
discrepancies between studies in GI values assignment to similar foods can affect the ranking of participants for GI
and GL (23). Moreover, it has been reported that implausible reported energy intake (rEI) can be one important
confounder (24), but very few studies (6, 8, 10, 14) took this factor into account. Although previous studies corrected
nutritional data for total energy intake, it seems not to be sufficient to eliminate biases from selective reporting error
(25). Additionally, it has been argued that adjustment of GI and GL for energy intake is important to allow taking into
account isocaloric replacement of macronutrients (8). However, because one important mechanism proposed to link
GI and GL to obesity involves an increase in counter-regulatory hormones leading to increased hunger and energy
intake (26), it has also been suggested that energy adjustment may eliminate associations between GI, GL and
obesity (10). Therefore, it could be useful to explore associations with and without energy adjustment. Since GI
provides only a measure of carbohydrate quality, whereas GL accounts both for the quantity and quality of
carbohydrate, it can be assumed that implausible rEI and energy adjustment will have a greater effect on estimates of
GL than estimates of GI.
Other mechanisms have also been suggested to explain the relationships between GI, GL and obesity. High blood
glucose and insulin responses resulting from high GI and GL diets may alter fuel partitioning by promoting
52
postprandial carbohydrate oxidation at the expense of fat oxidation (26). This could cause greater fat storage in
adipose tissue and therefore contribute to the risk of weight gain. In contrast, low GI and GL diets produce a slower
blood glucose and insulin response and maintain insulin sensitivity, which may increase satiety, reduce voluntary
energy intake and therefore decrease the risk of weight gain (27).
The purpose of the present study was to investigate associations of dietary GI and GL with obesity, adiposity and
changes in adiposity over a 6-year period, while taking into account implausible rEI.
53
SUBJECTS AND METHODS
Study population
Subjects of the present study were participants from the Quebec Family Study (QFS), a prospective family study
aimed at investigating the genetics of obesity and its co-morbidities in French-Canadian families, as previously
described (28). A total of 794 non-diabetic participants aged 10 to 73 years who completed a 3-day dietary record
were available for the present study, including a subsample of 272 subjects for whom data were obtained on two
occasions over an average six-year period. All participants provided written informed consent and the project was
approved by the Medical Ethics Committee of Laval University.
Anthropometric and body composition variables
Height and weight were measured using respectively a standard stadiometer and a digital panel indicator scale and
were used to calculate body mass index (BMI). Waist circumference (WC) was measured between the last rib and the
iliac crest. Those anthropometric measurements were performed according to standardized procedures
recommended at The Airlie Conference (29). Fat mass (FM) was estimated from body density measurements
obtained using hydrostatic weighing (30). Total abdominal fat (AF) and visceral fat (VF) were measured by computed
tomography (CT) and abdominal subcutaneous fat (SF) was obtained by difference between AF and VF, as described
previously (31).
Dietary assessment and calculation of GI and GL
Dietary intake was assessed with a 3-day food record including 2 weekdays and one week-end day, at both baseline
and 6 year follow-up. Participants were asked to use a scale and measure recipients to precisely report all foods and
beverages ingested, and received instructions from a dietician on how to measure and record items in the food diary.
An experienced dietician also verified completed records. This dietary assessment method has been previously
validated in this population (32). Mean daily intakes, diet macronutrient composition and fiber content were calculated
using the 2010 version of the Canadian Nutrient File (33).
To determine the mean GI for each participant, a GI value was assigned to every individual food item contained in the
3-day dietary records (n=2721) using the latest International Tables of GI values (34), the online database of the
University of Sydney (35) and the authoritative table of GI values from The New Glucose Revolution (2). Glucose was
used as the reference food (GI of 100) (36). When several GI values were available for a same food item, GI values
derived from Canadian and American foods as well as GI values derived from groups of ten or more subjects were
prioritized (36). If there was still more than one eligible GI value available for a given food, we assigned the mean of
the GI values. If a food item was not available in all three GI tables, the GI of a similar food in the same food group
54
was assigned. To find the best matching food, the first consideration was the amount and type of carbohydrate
contained. Other food characteristics known to affect GI were also considered (2). Mixed foods were broken down
into individual food components, and the weighted mean of major carbohydrate containing ingredients was used to
determine their GI (37). Cheeses were assigned the GI of whole milk, and alcoholic beverages were assigned the GI
of beer (38). All remaining food items, including foods containing negligible amounts of carbohydrate (non-starchy
vegetables, plain meats, fish and poultry, eggs, fats, artificially sweetened foods and some sauces and soups; 24.9 %
of foods) as well as foods containing more carbohydrates but for which a similar matching food was not found (some
soups, sauces and salad dressings; 1.3 % of foods), were assigned a GI value of 71 (GI of white bread) (38). The
value used as a placeholder when there is no GI value for a given food can be debated, and some studies used
values of 0, 50 or 100. However, a value of 71 is thought to be preferable to a value of 0, which is inappropriate (39),
or values of 50 or 100, which might bias the estimates on the lower or upper sides (38), and allows for the fact that
carbohydrate to be found in meats is glycogen (40). Moreover, since these foods do not contribute much to the
proportion of carbohydrate of the diet, the GI value attributed is not very important from a practical point of view (38).
The method to calculate the average daily GI and GL has been described elsewhere (41). Briefly, the daily GI value
for each participant was calculated by summing over all food items consumed during one day, the GI value of each
food item multiplied by its content in digestible carbohydrate expressed as a proportion of the total digestible
carbohydrate intake of the day (37). The average daily dietary GL was calculated by summing over all food items
consumed during a day, the GI value of each food item multiplied by its content in digestible carbohydrate divided by
100 (42). The mean GI and GL for each participant were then determined by calculating the mean GI and GL of the
three days of the dietary record.
Assessment of physical activity level
Physical activity level (PAL) was assessed using a 3-day physical activity diary, in which participants recorded their
energy expenditure level for every 15 minute period during 3 days based on activities classified into 9 levels of
intensities, 1 corresponding to activities of very low energy expenditure such as sleeping and 9 to activities of very
high energy expenditure such as running. The sum of scores 1 to 4 corresponded to inactivity while the sum of scores
5 to 9 corresponded to moderate to strenuous physical activity. The reliability and validity of this method has been
reported previously (43).
Evaluation of energy intake reporting
Predicted energy requirement (pER) was estimated using equations from the Institute of Medicine (44). Different
equations chosen according to age, BMI and PAL were used. The PAL was determined based on the 3-day physical
55
activity diaries as described above and criteria from the Institute of medicine (sedentary, low active, active, very
active) (44). To classify participants as normal reporters (NR), underreporters (UR) and overreporters (OR), the
method previously described by Huang et al (2005) was used (24). Therefore, groups were created based on sex,
weight status (BMI < 25 vs. BMI ≥ 25 kg/m2) and age (10 to 18, 19 to 30, 31 to 50, and > 50 years). The ± 1 SD cut-
off of reported energy intake (rEI) as a percentage of pER specific to each sex-age-BMI group was then calculated
according to the following equation: ± 1 SD = √ (CV2rEI/d + CV2
pER + CV2mTEE, where CV2
rEI is the intra-individual
variation in rEI (SD of EI/ mean EI), d is the number of days of the dietary assessment (3 days), CV2pER is the error in
pER (SD of the residuals of the prediction equations/ mean pER for each sex-age-BMI group) and CV2MTEE is the day-
to-day biological variation in total energy expenditure which has been previously estimated to 8.2 % (45). Since the
± 1 SD cut-offs were found to be similar across groups (17 % to 22 %), an average cut-off of 19 % was used for
analyses. Thus, participants were identified as NR if their rEI:pER ratio expressed as a percentage was between 83%
and 117%, as UR if rEI:pER ≤ 83 % and as OR if rEI:pER ≥ 117 %.
Statistical analyses
Student t test was used to compare GI and GL values between obese and non-obese men and women. Association
between GI, GL and adiposity was tested by computing correlations separately in men and women after adjusting the
data for age. Changes in GI, GL and adiposity variables were calculated by subtracting the baseline values from the
values obtained after a 6-year follow-up period. Analysis of variance was used to compare 6-year changes in
adiposity between subjects classified according to sex-specific tertiles of changes in GI and GL after adjustment for
age, energy intake, fiber intake, and initial value of GI or GL and of the adiposity variable. These variables were
selected since they can potentially affect body weight control and were highly correlated with adiposity variables as
well as with GI and GL. All analyses were first performed using crude GI and GL values and then repeated using
energy-adjusted GI and GL values with the residual method (46). Additionally, all analyses were performed among
the total sample as well as after exclusion of misreporters (UR and OR) of energy intake. Statistical significance was
set as P value < 0.05. All statistical analyses were conducted using SAS 9.2 (47) or JMP 10 software (48).
56
RESULTS
Descriptive characteristics of participants by sex are shown in Table 1. Mean age was 38 y, and subjects were, on
average, overweight, with a higher proportion of men overweight (33%) compared to women (21%). GI, GL and
dietary intakes were higher in men except for percentage of energy from carbohydrate that was higher in women and
percentage of energy from fat and protein that was similar between sexes. Table 2 presents the proportions of UR,
NR and OR in men and women separately. The proportion of misreporters (UR and OR) reached 45% in men and
46% in women.
Results from cross-sectional analyses
GI and GL values in relation to obesity status are presented in Table 3. Differences in GI (p= 0.004) and GL
(p = 0.005) were observed between obese and non-obese women, the former having higher GI and GL values than
the latter. The differences were not significant in men. Exclusion of UR and OR did not change the estimates. When
GI and GL were adjusted for energy intake (results not shown), among the total sample, associations between GI and
obesity were significant in both men and women (p < 0.05 and p = 0.005 respectively), and association between GL
and obesity were significant in men only (p= 0.049). Among NR, associations between energy adjusted GI and GL
and obesity were only significant for energy adjusted GI in men (p=0.02).
Correlations between GI, GL and adiposity are presented in Table 4. Significant associations were observed between
GI, GL and body weight, BMI, fat mass and waist circumference in women (0.12 ≤ r ≤ 0.16; p ≤ 0.01), but not in men.
The correlations between GL and adiposity increased and became significant in men (0.27 ≤ r ≤ 0.30; p ≤ 0.001) and
women (0.43 ≤ r ≤ 0.46; p ≤ 0.0001) when computed in NR. Adjustment of GI and GL for energy intake generally did
not change the estimates.
Results from longitudinal analyses
No significant association was observed between initial values of GI and GL and 6-year-change in adiposity (results
not shown). No significant association was observed between changes in GI and changes in adiposity (results not
shown), but changes in GL were related to changes in adiposity. As shown in Table 5, women who increased the GL
of their diet over a 6-year follow-up period had higher gains in body weight (p= 0.01), BMI (p= 0.007), FM (p= 0.02)
and WC (p= 0.007) compared to women who decreased the GL of their diet over time, after adjustment for age, total
energy intake, fiber intake, initial GL value and initial value of the trait. When excluding UR and OR (table 5) or when
GI and GL were adjusted for energy intake (results not shown), associations between changes in GL and changes in
adiposity in women were no longer significant.
57
DISCUSSION
The results presented in this study suggest that GI and GL of the diet are associated with obesity and adiposity in
women and that an increase in the GL of the diet is associated with weight gain and gains in adiposity over time in
women. Our results also emphasize the importance of taking into account implausible rEI and energy adjustment in
the study of the relationship between dietary-related intake variables, especially GL, and obesity, as some findings
differ considerably after exclusion of subjects misreporting their dietary intake. To our knowledge, this is the
prospective cohort study to examine associations between GI, GL and adiposity while accounting for implausible rEI.
The results reported in the present study based on cross-sectional data are similar to those reported in several
studies which found positive significant associations between GI, GL and obesity or adiposity (8, 9, 14, 20, 21).
However, our results from longitudinal analyses revealed no significant association between initial GI and GL values
and 6-year change in adiposity. Although findings from previous prospective studies are mixed, many observed
significant positive associations between initial GI values and change in adiposity (5, 16-19) and no significant
association between initial GL values and changes in adiposity (15-19). Very few studies examined associations
between changes in GI and GL and changes in adiposity over time. Similarly to our results, Gopinath and colleagues
(2013) (15) found that each 1-SD increase in dietary GL (but not GI) was associated with an increase in BMI and WC
in 421 girls but not in boys. In contrast, Cheng and colleagues (2009) (13) and Murakami and colleagues (2013) (19)
observed no significant associations between changes in GI and GL and changes in adiposity.
As observed in some other studies (5, 15, 17, 20), we generally found significant associations in women but not in
men. Interpretation of these sex-specific differences is complex. In our sample, the larger number of women
compared to men increased the power to detect significant differences. The prevalence of obesity was higher among
women than men, and women had lower levels of physical activity. Hare-Bruun and colleagues (2006) (17) have
suggested that obese and sedentary subjects, in particular sedentary women, are particularly responsive to changes
in GI or GL, which could be a possible explanation for the sex-differences observed in the association between GI, GL
and obesity observed in our study. Additionally, postmenopausal women have been shown to have different
responses to low fat diets (49), but removing postmenopausal women from our analyses did not modify the results
(results not shown). Hormonal differences could also be in cause.
In contrast to many previous studies, in many analyses, we found significant associations for GL, but not GI. Since GL
accounts for both the GI and the amount of carbohydrates, the lack of consistency between GI and GL analyses could
have been due in part to an influence of carbohydrate intake. However, adjustment for carbohydrate intake did not
change our findings (results not shown), suggesting that the effect is really due to GL and not to differences in
58
carbohydrate intake. This suggests that GL may better reflect the diet’s physiological effect and be a better predictor
of adiposity than GI alone.
It has been reported that underreporting of dietary intake ranging from 10% to 50% is common in dietary surveys,
particularly for participants with higher body mass, and could alter associations between dietary intake and adiposity
and influence the interpretations of results as well as the conclusions drawn about potential dietary contributors to
obesity (24). Adjusting for energy intake can provide some correction for underreporting if it occurs at the whole diet
level, but it is not sufficient to eliminate biases from selective underreporting for certain types of food, which also
occurs according to some evidence (25). To account for the fact that associations between GI, GL and adiposity could
be confounded by implausible rEI, we decided to explore associations among the whole sample and after exclusion of
implausible reporters (UR and OR). In the present study, the prevalence of UR (20 % of men and 22 % of women)
was relatively similar to that observed in previous studies (6, 8, 10), whereas the prevalence of OR (25 % of men and
24 % of women) was slightly higher, which have been previously shown to be the case with the method used (50). In
our study, accounting for misreporting of energy intake did not change associations between GI, GL and obesity
status. However, correlations between GL and adiposity increased and became significant in men and women when
computed among NR, whereas they were weaker and significant in women only when computed among the total
sample. As expected, correlations between GI and adiposity were not affected by implausible rEI. Moreover,
excluding misreporters also affected the findings based on longitudinal data. Indeed, associations observed between
change in GL and change in adiposity in women were no longer significant among NR but remained significant
among UR. These results confirm that implausible rEI can confound associations between GI, GL and adiposity, and
they emphasize the importance of accounting for underreporting in surveys of GI and GL in relation to health
outcomes. Very few studies on GI, GL and adiposity (6, 8, 10, 14) took into account underreporting of energy intake,
and different criteria were used to identify UR, which makes the comparison across studies difficult. Lau and
colleagues (2006) (8) observed a significant inverse association between GL and BMI in the entire population and a
significant positive association between GL and BMI among NR, while Mendez and colleagues (2009) (10) observed
no major differences in associations when misreporters were included or excluded. However, they used a fixed cut-off
value, which could lead to misclassification of UR (51, 52). Only one study (6) used individualised measures of pER
taking into account the physical activity level of each participant to identify misreporters and found that associations
were confounded by misreporting.
In the present study, we also explored associations with and without adjusting GI and GL for energy intake. This
adjustment allows comparing the effect of GI and GL on adiposity for a same amount of energy intake, for instance
eliminating the possibility that subjects with a high GL might also have higher fat and energy intakes, which might also
influence weight gain and bias results. When unadjusted GI and GL values were used, obese women, but not men,
59
had higher GI and GL values than the non-obese. Adjustment for energy intake totally changed the results as
associations became significant in men and associations between GL and obesity were attenuated in women.
However, correlations between GI, GL and adiposity were not affected by energy intake adjustment, meaning that GI
and GL are associated to adiposity independently of energy intake. Finally, associations between changes in GL and
changes in adiposity in women were no longer significant when GL was adjusted for energy intake, suggesting that
these associations are mediated by energy intake. It has been suggested that high GI and GL could lead to obesity by
promoting hunger and increasing energy intake, and that energy adjustment could therefore attenuate associations
between GI, GL and obesity. However, in our population, GI did not predict energy intake (results not shown). In
previous studies, adjusting GL for energy intake resulted in heterogeneous results. In the IRAS study, a positive
association between GL and BMI was completely attenuated after energy adjustment (11). In a study of 8195 Spanish
adults (10), null associations between GL and BMI resulted in a significant inverse association after energy
adjustment, whereas a significant inverse association between GL and BMI became positive after adjustment for
energy intake in 6334 Danish subjects (8). In other studies, use of energy adjusted GI and GL did not change the
estimates (6, 14).
Strengths of the present study include its prospective design, a large sample size as well as measured
anthropometric data using a standardized protocol. Dietary intake was assessed on two occasions, permitting to
investigate changes in GI and GL in relation to changes in adiposity over time. Dietary records were used in this
study, which allowed a more detailed description of foods consumed compared to FFQs and therefore better
matching with GI values. Assignment of GI values was based on more than one GI table, which increased the amount
of available data and therefore the precision of GI value assignment. Finally, to account for misreporting of energy
intake, individualised measures of energy requirement were used to identify misreporters.
Although the method used in this study to account for misreporting is thought to be superior to some previous
methods used in dietary surveys (10, 24, 51, 52), its sensitivity and specificity are not known. Other limitations of the
method used include the use of predicted energy requirement instead of measured energy requirement by doubly
labelled water as a biomarker, which would be hardly applicable to a large sample size, the use of a physical activity
diary to assess physical activity level, which has been shown to overestimate energy expenditure, and the large
number of participants who were excluded from the analysis in NR making conclusions less generalizable to the
entire population. Other limitations of this study include its observational nature which cannot lead to definitive
conclusions about causality and the fact that residual confounding can still be present even though we adjusted for
various potential confounding factors. It can also be noted that even though the use of weighed 3-day dietary records
has some advantages, it may not always be representative of the habitual dietary intake.
60
In conclusion, results of this study suggest that GI and GL of the habitual diet are associated with obesity and
adiposity in women and that an increase in the GL of the diet is associated with weight and adiposity gains over time
in women. However, misreporting of energy intake and adjustment for energy intake can partly explain these
associations, especially the associations with GL, and exclusion of implausible reporters (UR and OR) as well as
adjustment of GL for energy intake changed the conclusions of the study. These results demonstrate the importance
of accounting for misreporting of energy intake in dietary surveys in relation to obesity and to adjust GL for energy
intake in order to evaluate the independent effect of GL. Since relationships between GI, GL and obesity remain a
subject of debate, randomized controlled trials comparing the long term effects of low vs. high GI and GL diets
specifically and independently of energy and macronutrient intakes, using rigorous methodology and accounting for
implausible rEI using objective biomarkers are needed.
61
ACKNOWLEDGMENTS
QFS was supported by grants from Canadian Institutes of Health Research (CIHR) (#MOP-77652 & #OHN-63276).
Kathryn Adel was supported by a scholarship from the CIHR-FRQS Training Program in Obesity / Healthy Body
Weight Research (TGF-63531) from the Institut Universitaire de Cardiologie et de Pneumologie de Québec .
Thanks are expressed to Christian Couture, Claude Leblanc and Annette Gallant for their help in statistical analyses,
the Scientific team from GI Laboratories for help regarding GI assignment and Megan McCrory for her assistance with
the method used to account for underreporting.
Authors declare no conflict of interest.
62
REFERENCES
1. Gaesser GA (2007) Carbohydrate quantity and quality in relation to body mass index. Journal of the American Dietetic Association 107(10):1768-1780.
2. Brand-Miller J, Wolever T, Foster-Powell K, & Colagiuri S (2007) The new glucose revolution, the authoritative guide to the glycemic index, the dietary solution for lifelong health. (Da Capo press, Philadelphia) p 349.
3. Thomas DE, Elliott EJ, & Baur L (2007) Low glycaemic index or low glycaemic load diets for overweight and obesity. The Cochrane database of systematic reviews (3):CD005105.
4. Livesey G, Taylor R, Hulshof T, & Howlett J (2008) Glycemic response and health--a systematic review and meta-analysis: relations between dietary glycemic properties and health outcomes. The American journal of clinical nutrition 87(1):258S-268S.
5. Romaguera D, et al. (2010) Dietary determinants of changes in waist circumference adjusted for body mass index - a proxy measure of visceral adiposity. PloS one 5(7):e11588.
6. Murakami K, McCaffrey TA, & Livingstone MB (2013) Associations of dietary glycaemic index and glycaemic load with food and nutrient intake and general and central obesity in British adults. The British journal of nutrition:1-11.
7. Barba G, et al. (2012) Glycaemic index and body fat distribution in children: the results of the ARCA project. Nutrition, metabolism, and cardiovascular diseases : NMCD 22(1):28-34.
8. Lau C, et al. (2006) Association between dietary glycemic index, glycemic load, and body mass index in the Inter99 study: is underreporting a problem? The American journal of clinical nutrition 84(3):641-645.
9. Murakami K, et al. (2007) Dietary fiber intake, dietary glycemic index and load, and body mass index: a cross-sectional study of 3931 Japanese women aged 18-20 years. European journal of clinical nutrition 61(8):986-995.
10. Mendez MA, Covas MI, Marrugat J, Vila J, & Schroder H (2009) Glycemic load, glycemic index, and body mass index in Spanish adults. The American journal of clinical nutrition 89(1):316-322.
11. Liese AD, et al. (2005) Dietary glycemic index and glycemic load, carbohydrate and fiber intake, and measures of insulin sensitivity, secretion, and adiposity in the Insulin Resistance Atherosclerosis Study. Diabetes care 28(12):2832-2838.
12. Sahyoun NR, et al. (2005) Dietary glycemic index and load, measures of glucose metabolism, and body fat distribution in older adults. The American journal of clinical nutrition 82(3):547-552.
13. Cheng G, et al. (2009) Relation of dietary glycemic index, glycemic load, and fiber and whole-grain intakes during puberty to the concurrent development of percent body fat and body mass index. American journal of epidemiology 169(6):667-677.
14. Murakami K, McCaffrey TA, & Livingstone MB (2013) Dietary glycaemic index and glycaemic load in relation to food and nutrient intake and indices of body fatness in British children and adolescents. The British journal of nutrition:1-12.
15. Gopinath B, et al. (2013) Carbohydrate nutrition and development of adiposity during adolescence. Obesity. 16. Du H, et al. (2009) Dietary glycaemic index, glycaemic load and subsequent changes of weight and waist
circumference in European men and women. International journal of obesity 33(11):1280-1288. 17. Hare-Bruun H, Flint A, & Heitmann BL (2006) Glycemic index and glycemic load in relation to changes in
body weight, body fat distribution, and body composition in adult Danes. The American journal of clinical nutrition 84(4):871-879; quiz 952-873.
18. Ma Y, et al. (2005) Association between dietary carbohydrates and body weight. American journal of epidemiology 161(4):359-367.
19. Murakami K, et al. (2013) Dietary glycemic index and glycemic load in relation to changes in body composition measures during adolescence: Northern Ireland Young Hearts Study. International journal of obesity.
20. Youn S, et al. (2012) Association between dietary carbohydrate, glycemic index, glycemic load, and the prevalence of obesity in Korean men and women. Nutrition research 32(3):153-159.
63
21. Murakami K, Miyake Y, Sasaki S, Tanaka K, & Arakawa M (2011) Dietary glycemic index and glycemic load in relation to risk of overweight in Japanese children and adolescents: the Ryukyus Child Health Study. International journal of obesity 35(7):925-936.
22. Rossi M, et al. (2010) Glycemic index and glycemic load in relation to body mass index and waist to hip ratio. European journal of nutrition 49(8):459-464.
23. van Bakel MM, et al. (2009) Methodological challenges in the application of the glycemic index in epidemiological studies using data from the European Prospective Investigation into Cancer and Nutrition. The Journal of nutrition 139(3):568-575.
24. Huang TT, Roberts SB, Howarth NC, & McCrory MA (2005) Effect of screening out implausible energy intake reports on relationships between diet and BMI. Obesity research 13(7):1205-1217.
25. Lissner L (2002) Measuring food intake in studies of obesity. Public health nutrition 5(6A):889-892. 26. Ludwig DS (2002) The glycemic index: physiological mechanisms relating to obesity, diabetes, and
cardiovascular disease. JAMA : the journal of the American Medical Association 287(18):2414-2423. 27. Brand-Miller JC, Holt SH, Pawlak DB, & McMillan J (2002) Glycemic index and obesity. The American
journal of clinical nutrition 76(1):281S-285S. 28. Bouchard C (1996) Genetic epidemiology, association, and sib-pair linkage: results from the Quebec Family
Study. Molecular genetic aspects of obesity, eds Bray GA & Ryan DH (Louisiana State University press, Baton Rouge, LA) 5:470-481.
29. The Airlie (VA) Consensus Conference (1988) Standardization of Anthropometric measurements. Champaign, IL: Human Kinetics Publishers.
30. Bouchard C, Perusse L, Leblanc C, Tremblay A, & Theriault G (1988) Inheritance of the amount and distribution of human body fat. Int J Obes 12(3):205-215.
31. Despres JP, Prud'homme D, Pouliot MC, Tremblay A, & Bouchard C (1991) Estimation of deep abdominal adipose-tissue accumulation from simple anthropometric measurements in men. The American journal of clinical nutrition 54(3):471-477.
32. Tremblay A, Leblanc C, & Bouchard C (1983) The reproducibility of a three day dietary record. Nutrition research 3:819-830.
33. Health Canada (2010) The Canadian Nutrient File. www.hc-sc.gc.ca/fn-an/nutrition/fiche-nutri-data/index-eng.php
34. Atkinson FS, Foster-Powell K, & Brand-Miller JC (2008) International tables of glycemic index and glycemic load values: 2008. Diabetes care 31(12):2281-2283.
35. The University of Sydney (2011) Search for the glycemic index. www.glycemicindex.com 36. Louie JC, Flood V, Turner N, Everingham C, & Gwynn J (2011) Methodology for adding glycemic index
values to 24-hour recalls. Nutrition 27(1):59-64. 37. Wolever TM, Jenkins DJ, Jenkins AL, & Josse RG (1991) The glycemic index: methodology and clinical
implications. The American journal of clinical nutrition 54(5):846-854. 38. Glycemic Index Laboratories ((Toronto). www.gilabs.com 39. Wolever TM (2013) Is glycaemic index (GI) a valid measure of carbohydrate quality? European journal of
clinical nutrition 67(5):522-531. 40. Schulz M, et al. (2005) Nutritional correlates of dietary glycaemic index: new aspects from a population
perspective. The British journal of nutrition 94(3):397-406. 41. Mayer-Davis EJ, Dhawan A, Liese AD, Teff K, & Schulz M (2006) Towards understanding of glycaemic index
and glycaemic load in habitual diet: associations with measures of glycaemia in the Insulin Resistance Atherosclerosis Study. The British journal of nutrition 95(2):397-405.
42. Micha R & Nelson M (2011) Glycemic index and glycemic load used in combination to characterize metabolic responses of mixed meals in healthy lean young adults. Journal of the American College of Nutrition 30(2):113-125.
43. Bouchard C, et al. (1983) A method to assess energy expenditure in children and adults. The American journal of clinical nutrition 37(3):461-467.
44. A Report of the Panel on Macronutrients, Subcommittees on Upper Reference Levels of Nutrients and Interpretation and Uses of Dietary Reference Intakes, and the Standing Committee on the Scientific
64
Evaluation of Dietary Reference Intakes, (2005) Dietary Reference Intakes for Energy, Carbohydrate, Fiber, Fat, Fatty Acids, Cholesterol, Protein, and Amino Acids (Macronutrients).
45. Black AE & Cole TJ (2000) Within- and between-subject variation in energy expenditure measured by the doubly-labelled water technique: implications for validating reported dietary energy intake. European journal of clinical nutrition 54(5):386-394.
46. Willett W & Stampfer MJ (1986) Total energy intake: implications for epidemiologic analyses. American journal of epidemiology 124(1):17-27.
47. SAS Institute Inc. (2009) SAS/STAT ® 9.2 User’s Guide, Second Edition. Cary, NC: SAS Institute Inc. 48. SAS Institute Inc. (2012) JMP® 10 Design of Experiments Guide. Cary, NC: SAS Institute Inc. 49. Culberson A, Kafai MR, & Ganji V (2009) Glycemic load is associated with HDL cholesterol but not with the
other components and prevalence of metabolic syndrome in the third National Health and Nutrition Examination Survey, 1988-1994. International archives of medicine 2(1):3.
50. Mendez MA, et al. (2011) Alternative methods of accounting for underreporting and overreporting when measuring dietary intake-obesity relations. American journal of epidemiology 173(4):448-458.
51. Black AE (2000) The sensitivity and specificity of the Goldberg cut-off for EI:BMR for identifying diet reports of poor validity. European journal of clinical nutrition 54(5):395-404.
52. Tooze JA, Krebs-Smith SM, Troiano RP, & Subar AF (2012) The accuracy of the Goldberg method for classifying misreporters of energy intake on a food frequency questionnaire and 24-h recalls: comparison with doubly labeled water. European journal of clinical nutrition 66(5):569-576.
65
Table 1. Descriptive characteristics of participants
Means ± standard deviations *Student’s t-test (continuous variables) and chi-square test (for comparison of frequencies, categorical variables) for differences between men and women.
Characteristics Men (N=350) Women (N=444) p*
Age (y) 38.1 ± 16.2 38.5 ± 15.1 0.71
Weight (kg) 80.8 ± 21.8 70.1 ± 21.3 < 0.0001
BMI (kg/m2) 27.0 ± 6.8 27.2 ± 8.1 0.69
% of obese (BMI ≥ 30) 21.5 26.9 0.08
% of overweight (25 ≤ BMI < 30) 33.2 21.3 0.0002
Fat mass (kg) 19.8 ± 14.0 23.7 ± 14.7 0.0006
Total abdominal fat (cm2) 340.2 ± 206.1 433.0 ± 230.4 < 0.0001
Subcutaneous abdominal fat (cm2) 218.5 ± 142.7 334.1 ± 179.3 < 0.0001
Visceral abdominal fat (cm2) 121.6 ± 84.4 98.9 ± 66.9 0.0006
Waist circumference (cm) 92.1 ± 17.3 82.8 ± 17.8 < 0.0001
Glycemic index 56.8 ± 3.7 55.8 ± 3.4 0.0001
Glycemic load 174.7 ± 56.3 129.1 ± 38.8 < 0.0001
Fiber intake (g) 20.4 ± 8.7 17.2 ± 6.7 < 0.0001
Energy intake (kcal) 2693.7 ± 718.1 1985.3 ± 515.5 < 0.0001
Carbohydrate (energy %) 47.1 ± 6.8 48.2 ± 6.7 0.03
Fat (energy %) 34.6 ± 6.0 34.3 ± 6.2 0.45
Protein (energy %) 15.7 ± 3.1 16.0 ± 3.1 0.13
66
Table 2. Number and percentage of men and women classified as underreporters, normal reporters and overreporters
Underreporters (UR)
rEI/pER ≤ 83%
Normal reporters (NR)
83% < rEI/pER < 117%
Overreporters (OR)
rEI/pER ≥ 117%
Men 68 (20.3 %) 183 (54.6 %) 84 (25.1 %)
Women 93 (22.0 %) 228 (53.9 %) 102 (24.1 %)
rEI = reported energy intake pER = predicted energy requirement
67
Table 3. GI and GL values in relation to obesity status in participants of QFS
Men Women
Obese Non obese p Obese Non obese p
GI
Whole sample 57.5 ± 3.7 56.6 ± 3.7 0.06 56.6 ± 3.6 55.5 ± 3.3 0.004
Normal reporters 57.5 ± 3.5 56.4 ± 3.2 0.05 56.7 ± 3.7 55.5 ± 3.5 0.02
GL
Whole sample 178.0 ±
50.0
174.0 ± 58.0 0.58 137.5 ± 51.3 125.9 ± 32.7 0.005
Normal reporters 182.4 ±
41.5
167.7 ± 40.2 0.05 144.9 ± 35.1 122.2 ± 26.4 < 0.0001
GI: Glycemic index; GL: glycemic load
68
Table 4. Correlations between GI, GL and adiposity in subjects from QFS
Variable GI GL
Men Women Men Women
Weight 0.03 (0.03) 0.12 (0.14) 0.07 (0.30) 0.15 (0.46)
BMI 0.04 (0.03) 0.14 (0.16) 0.04 (0.28) 0.13 (0.44)
FM 0.10 (0.11) 0.14 (0.14) 0.02 (0.27) 0.14 (0.45)
WC 0.05 (0.04) 0.15 (0.17) 0.05 (0.28) 0.16 (0.43)
AF1 0.04 (-0.08) 0.01 (0.10) 0.02 (0.06) -0.05 (-0.15)
SF1 0.04 (-0.02) -0.05 (0.01) -0.06 (-0.05) -0.08 (-0.18)
VF1 -0.05 (-0.10) 0.12 (0.16) 0.11 (0.15) 0.05 (0.005)
GI: glycemic index; GL: glycemic load; BMI: body mass index; FM: fat mass; WC: waist circumference; AF: total abdominal fat; SF: subcutaneous abdominal fat; VF: visceral abdominal fat. Correlations computed on age-adjusted data. 1AF, SF and VF further adjusted for fat mass. Values in bold are significant (p < 0.01). Values in parentheses are correlations computed in normal reporters.
69
Table 5. Characteristics of study participants according to tertiles of changes in dietary glycemic load over 6 years
Men Women
Tertile 1 Tertile 2 Tertile 3 P1 Tertile 1 Tertile 2
Tertile 3 P1
∆ WEIGHT (kg)
Whole sample 3.4 ± 1.3 4.4 ± 1.3 5.5 ± 1.3 0.47 2.2 ± 0.8 2.3 ± 0.8 5.4 ± 0.8 0.01
Normal reporters 0.7 ± 1.3 2.1 ± 1.3 3.9 ± 1.1 0.03 2.0 ± 1.2 3.2 ± 1.1 4.6 ± 1.5 0.68
∆ BMI (kg/m2)
Whole sample 0.9 ± 0.3 1.3 ± 0.3 1.6 ± 0.3 0.13 0.8 ± 0.3 0.8 ± 0.3 2.1 ± 0.3 0.007
Normal reporters 0.2 ± 0.4 0.8 ± 0.4 1.2 ± 0.4 0.06 0.6 ± 0.5 1.2 ± 0.4 1.9 ± 0.6 0.46
∆ FM (g)
Whole sample 1.8 ± 0.6 0.7 ± 0.6 2.0 ± 0.6 0.14 1.2 ± 0.7 1.1 ± 0.7 3.6 ± 0.7 0.02
Normal reporters 1.4 ± 1.0 0.4 ± 1.0 1.9 ± 0.8 0.16 0.6 ± 1.1 1.7 ± 1.0 2.5 ± 1.3 0.76
∆ WC (cm)
Whole sample 2.8 ± 1.0 4.0 ± 1.0 4.2 ± 1.0 0.33 2.5 ± 0.9 2.1 ± 0.9 5.8 ± 0.9 0.007
Normal reporters 1.5 ± 1.2 2.8 ± 1.2 3.1 ± 1.0 0.18 2.3 ± 1.3 3.3 ± 1.2 5.3 ± 1.6 0.59
∆ AF (cm2)
Whole sample 32.2 ± 12.8 23.1 ± 12.9 36.0 ± 13.0 0.46 26.4 ± 15.1 40.3 ± 14.1 76.0 ± 15.6 0.32
Normal reporters 20.7 ± 19.5 10.6 ± 19.3 32.2 ± 16.4 0.23 19.6 ± 24.2 43.6 ± 18.8 78.2 ± 26.9 0.51
BMI: body mass index; FM: fat mass; WC: waist circumference; AF: total abdominal fat. 1 Adjusted for age, energy intake, fiber intake, initial glycemic load, and initial value of the trait Tertile 1: decrease in GL; tertile 2: maintenance; tertile 3: increase in GL
71
Article 2. Glycemic index, glycemic load, and their relationships with
metabolic syndrome in the Quebec family study (QFS)
Cet article n’a pas encore été soumis à des revues pour publication. Certains résultats de cet article ont fait l’objet
d’une présentation orale lors du congrès annuel de la Canadien Nutrition Society (CNS) en juin 2013 à Québec. Pour
cet article, j’ai réalisé les analyses statistiques, l’analyse des résultats et la rédaction du manuscrit.
72
Résumé
Introduction: Plusieurs aliments riches en glucides typiques de la diète Western produisent une réponse glycémique
élevée, ce qui pourrait favoriser le développement du SM. Les relations entre l’IG, la CG et le SM et ses facteurs de
risque sont controversées, ce qui pourrait en partie être dû à la déclaration improbable de l’apport énergétique.
Objectif: L’objectif de l’étude était d’explorer les associations entre l’IG, la CG et le SM et ses facteurs de risque au
sein des participants de QFS, tout en tenant compte de la déclaration improbable de l’apport énergétique.
Méthodes: La CT, le C-HDL, les TG, la TA et le glucose à jeun ont été mesurés chez 794 participants non
diabétiques dont 272 avec des données obtenues à deux reprises sur six ans. L’IG et la CG moyens ont été calculés
à partir de journaux alimentaires de trois jours et des tables internationales d’IG. Le risque de SM a été déterminé en
utilisant les critères définis par le NCEP ATP III. Le t test de Student a été utilisé pour comparer les valeurs d’IG et de
CG entre les sujets avec et sans SM ou ses facteurs de risque. La régression logistique a été utilisée pour évaluer le
risque de SM et de ses facteurs de risque selon le sexe parmi les tertiles d’IG et de CG. Des corrélations de Pearson
ont été effectuées entre l’IG et la CG initiaux et les changements dans les facteurs de risque du SM sur six ans. Les
analyses ont été répétées suite à l’exclusion des sujets ayant fait une déclaration improbable de leur apport
énergétique, identifiés en comparant l’apport énergétique déclaré avec les besoins énergétiques prédits.
Résultats: L’IG et la CG n’étaient pas associés au développement du SM. Cependant, chez les hommes, le risque
d’avoir un niveau de glucose à jeun élevé ou un niveau de HDL-C abaissé étaient respectivement 67 % plus faible
(p= 0.05) et 4.63 fois plus élevé (p< 0.0001) chez les sujets du tertile le plus élevé de CG par rapport à ceux du tertile
le plus faible. De plus, une CG initiale élevée était associée à une diminution du C-HDL chez les hommes sur six ans.
Lorsque les sujets ayant fait une déclaration improbable de leur apport énergétique étaient exclus, les hommes ayant
le SM avaient des valeurs d’IG plus élevées (p= 0.02) comparativement à ceux n’ayant pas le SM, et la relation
inverse observée chez les hommes entre la CG et le niveau de glucose à jeun n’était plus présente.
Conclusion: Les résultats suggèrent que l’IG et la CG ne sont pas associés au SM, mais qu’une alimentation à CG
faible pourrait contribuer à maintenir un profil lipidique sain. Par contre, l’absence d’association entre l’IG, la CG et le
SM pourrait être due, en partie, à la déclaration improbable de l’apport énergétique.
73
Glycemic index, glycemic load, and their relationships with metabolic syndrome in
the Quebec family study (QFS)
Kathryn Adel BSc1, Vicky Drapeau RD, Ph.D.2, Angelo Tremblay Ph.D.1, Claude Bouchard Ph.D.3 and Louis Pérusse
Ph.D.1*
1Department of kinesiology, Laval University, Québec, QC G1V OA6
2Department of physical education, Laval University, Québec, QC G1V OA6
3Pennington Biomedical Research Center, Baton Rouge, LA, USA
*Corresponding author:
Louis Pérusse, Ph.D.
Département de kinésiologie
Pavillon de l'Éducation Physique et des Sports (PEPS)
2300, rue de la Terrasse, bureau 2128
Université Laval
Québec (Québec) G1V 0A6
CANADA
Tel: (418) 656-5092, Fax: (418) 656-3044
E-mail: [email protected]
Key words: Diet, metabolic syndrome, glycemic index, glycemic load, prospective cohort study, misreporting, HDL
cholesterol, triglycerides, blood pressure, waist circumference, fasting glucose.
74
Abstract
Background: Many high-carbohydrate foods common to Western diets have been shown to produce a high glycemic
response, which may predispose individuals to develop metabolic syndrome (MetS). The association between MetS
and glycemic index (GI) or glycemic load (GL) is controversial, which may be partly explained by failure to take into
account misreporting of dietary intake.
Objective: The purpose of this study was to examine associations between GI, GL and MetS as well as changes in
MetS status and its risk factors over a 6-year period among participants of QFS, while accounting for implausible
reported energy intake (rEI).
Methods: GI and GL were determined using 3-day dietary records and GI value tables in 794 non-diabetic
participants including 272 with data obtained on two occasions over a 6 year follow-up period. Waist circumference
(WC), HDL cholesterol (HDL-C), triglycerides (TG), blood pressure (BP) and fasting plasma glucose (FG) were
evaluated at both times. MetS risk was assessed using the criteria defined by the NCEP ATP III panel. Student’s t test
was used to compare GI and GL values between participants with and without MetS or its risk factors. Logistic
regressions were used to estimate sex-specific odds ratios for MetS and its components among tertiles of GI and GL.
Pearson correlations between baseline values of GI and GL and 6-year changes in MetS risk factors were computed.
Analyses were performed in all subjects and repeated after exclusion of subjects with implausible rEI identified by
comparing rEI with predicted energy requirements.
Results: GI and GL were not associated with the risk of developing MetS. However, in men, the risk of having
respectively elevated FG and low HDL-C was 67 % lower (p= 0.05) and 4.63 times higher (p< 0.0001) for those in the
highest tertile of GL compared to those in the lowest. Moreover, baseline GL was negatively associated with 6-year
changes in HDL-C in men (p= 0.002). When misreporters were excluded from the analyses, men with MetS had
higher GI values (p= 0.02) compared to those without MetS. Additionally, the inverse association observed between
GL and elevated FG in men was no longer present.
Conclusion: Our results suggest that GI and GL are not associated with the risk of developing MetS, but that a low
GL diet could be beneficial in maintaining a healthy lipid profile. However, the lack of association between GI, GL and
MetS may possibly due, in part, by implausible rEI.
75
INTRODUCTION
Metabolic syndrome (MetS) is characterized by central adiposity, dyslipidemia, insulin resistance and hypertension,
and is associated with an increased risk of type 2 diabetes and cardiovascular disease (CVD). It is estimated that a
quarter of the world’s adults (1) have MetS. Typical Western diets are characterised by a high glycemic index (GI) and
glycemic load (GL) (2), which have been associated with an increased risk of CVD (3, 4) and type 2 diabetes (5), but
their effect on MetS and its components are less known. A high GI and GL diet could predispose individuals to
develop MetS in many ways. High GI and GL diets produce hyperglycemia and increased insulin demand, which in
the long term could lead to loss of pancreatic β cell function and result in glucose intolerance (6). Available evidence
also suggests that reactive hypoglycemia and increases in counterregulatory hormones (cortisol, glucagon and
growth hormone) in response to high GI and GI diets could increase the production of free fatty acids in the late
postprandial state, leading to insulin resistance (6). Insulin resistance and compensatory hyperinsulinemia have been
shown to be implicated in the development of dyslipidemia (high TG, low HDL-C) and hypertension (7, 8).
Additionally, hormonal responses to high GI and GL diets could alter fuel partitioning by promoting postprandial
carbohydrate oxidation at the expense of fat oxidation, stimulate hunger and favor fat storage, leading to weight gain
(9).
Only few observational studies have examined the associations between GI, GL and the risk of developing MetS
while considering all risk factors together (10, 11, 12, 13), and they have resulted in inconsistent findings. This
observation is important since the risk of developing related outcomes of MetS (type 2 diabetes and CVD) increases
with multiple risk factors (14). Therefore, a longitudinal study of the associations between GI, GL and MetS could
allow a better understanding of both the quantity and quality of carbohydrate as dietary predisposing factors to the
risk of developing this condition.
Heterogeneous results observed in previous studies may possibly be due, in part, to underreporting of energy intake,
which is common among dietary data sets, particularly for participants with higher body mass (15). To our knowledge,
no study has yet taken into account implausible rEI while examining associations between GI, GL and MetS. Although
previous studies corrected nutritional data for total energy intake, this adjustment does not eliminate biases from
selective reporting error (16). Additionally, various dietary confounders can affect the associations. It has been shown
previously that adjustment of GI and GL for energy intake is important to allow taking into account isocaloric
replacement of macronutrients (17) (Adel).
76
The purpose of the present study was to investigate 1) cross-sectional associations of dietary GI and GL with MetS
and its risk factors 2) prospective associations between GI, GL and 6-year changes in MetS status and its risk factors
among participants of QFS, while taking into account implausible rEI.
77
SUBJECTS AND METHODS
Study population
Subjects of the present study were participants of the Quebec Family Study (QFS), which was aimed at investigating
the genetics of obesity and its co-morbidities in French-Canadian families, as previously described (18). The present
study included a total of 794 non-diabetic participants aged 10 to 73 years including 272 with data obtained on two
occasions over a 6-year period. All participants provided written informed consent, and the project was approved by
the Health science Ethics Committee of Laval University.
Anthropometric and biochemical variables
Height and weight were measured using respectively a standard stadiometer and a digital panel indicator scale,
respectively, and were used to calculate body mass index (BMI). WC was measured between the last rib and the iliac
crest. Those anthropometric measurements were performed according to standardized procedures recommended at
The Airlie Conference (19). TG and HDL-C were respectively determined by use of commercial enzymatic-based
methods (20) and after precipitation of apolipoprotein B-containing lipoproteins with heparin and manganese chloride
(21). FG was calculated as the mean plasma glucose concentrations measured enzymatically at two occasions
separated by 15 minutes in the morning after a 12 hour fast (22). To measure BP, participants were in a sitting
position after a 45-min rest and were asked to be in a fasting state and to refrain from smoking two hours before the
procedure. Two measurements were taken using a mercury sphygmomanometer and an appropriately sized cuff
according to standard procedures, and the mean of those 2 measurements was calculated. All these variables were
determined the same way at both baseline and 6-year follow-up.
Determination of metabolic syndrome
Metabolic syndrome risk was assessed using the criteria defined by the NCEP ATP III panel (23). Thus, participants
meeting three or more of the following criteria were considered having MetS: WC ≥ 102 cm (40 inches) for men or 88
cm (35 inches) for women; elevated TG ≥ 1.7 mmol/L (150 mg/dL); reduced HDL-C ≤ 1.03 mmol/L (40 mg/dL) for
men and ≤ 1.3 mmol (50 mg/dL) for women; elevated BP (systolic BP ≥ 130 mmHg or diastolic BP ≥ 85 mmHg) or
self-reported hypertension; and elevated FG ≥ 5.6 mmol/L (100 mg/dL).
Dietary assessment and calculation of GI and GL
Dietary intake was assessed with a 3-day food record including two weekdays and one week-end day, at both
baseline and 6 year follow-up. Participants were asked to use a scale and measure recipients to precisely report all
foods and beverages ingested, and received instructions from a dietician on how to measure and record items in the
food diary. An experienced dietician also verified completed records. This dietary assessment method has been
78
previously validated in this population (24). Mean daily intakes, diet macronutrient composition and fiber content were
calculated using the 2010 version of the Canadian Nutrient File (25).
To determine the mean GI for each participant, a GI value was assigned to every individual food item contained in the
3-day dietary records (n=2721) using the latest international table of GI values (26), the online database of the
University of Sydney (27) and the authoritative table of GI values from The New Glucose Revolution (2). Glucose was
used as the reference food (GI of 100) (28). When several GI values were available for a same food item, GI values
derived from Canadian and American foods as well and derived from groups of ten or more subjects were prioritized
(28). If there was still more than one eligible GI value available for a given food, the mean of the GI values was
assigned. When a food item was not available in all three GI tables, the GI of a similar food in the same food group
was assigned. To find the best matching food, the first consideration was the amount and type of carbohydrate
contained. Other food characteristics known to affect GI were also considered (2). Mixed foods were broken down
into individual food components, and the weighted mean of major carbohydrate containing ingredients was used to
determine their GI (29). Cheeses were assigned the GI of whole milk, and alcoholic beverages were assigned the GI
of beer (30). All remaining food items, including foods containing negligible amounts of carbohydrate (nonstarchy
vegetables, plain meats, fish and poultry, eggs, fats, artificially sweetened foods and some sauces and soups; 24.9 %
of foods) as well as foods containing more carbohydrates but for which a similar matching food was not found (some
soups, sauces and salad dressings; 1.3 % of foods), were assigned a GI value of 71 (GI of white bread) (30). The
value used as a placeholder where there was no published value of GI can be debated, as some studies used a value
of 0, 50 or 100. However, a value of 71 is thought to be preferable to a value of 0, which is inappropriate (31), and to
values of 50 or 100, which might bias the estimates on the lower or upper sides (30), and allows for the fact that
carbohydrate found in meats is glycogen (32). Moreover, since these foods do not contribute much to the proportion
of carbohydrate of the diet, the GI value attributed is not very important from a practical point of view (30).
The method to calculate the average daily GI and GL has been described elsewhere (33). Briefly, the average daily
GI for each participant was calculated by summing over all food items consumed during a day, the GI value of the
food item multiplied by its content in digestible carbohydrate expressed as a proportion of the total digestible
carbohydrate intake of the day (29). The average daily dietary GL was calculated by summing over all food item
consumed during a day, the GI value of each food item multiplied by its content in digestible carbohydrate divided by
100 (34). The sum of the remaining values was the average daily GL. The mean GI and GL for each participant were
then determined by calculating the mean GI and GL of the three days of the dietary record.
79
Assessment of physical activity level (PAL)
Physical activity level (PAL) was derived from a 3-day physical activity diary, in which participants recorded their
energy expenditure level for every 15 minute period during 3 days based on activities classified into 9 levels of
intensities, 1 corresponding to activities of very low energy expenditure such as sleeping and 9 to activities of very
high energy expenditure such as running. The sum of scores 1 to 4 corresponded to inactivity while the sum of scores
5 to 9 corresponded to moderate to strenuous physical activity. The reliability and validity of this method has been
reported previously (35).
Evaluation of energy intake reporting
Predicted energy requirement (pER) was estimated using equations from the Institute of Medicine (36). Different
equations chosen according to age, BMI and physical activity level (PAL) where used. The PAL was determined
based on the 3-day physical activity diaries as described above and criteria from the Institute of Medicine (sedentary,
low active, active, very active) (36). To classify participants as normal reporters (NR), underreporters (UR) and
overreporters (OR), we used the method previously described by Huang et al (2005) (15). Therefore, groups were
created based on sex, weight status (BMI < 25 vs. BMI ≥ 25 kg/m2) and age (10 to18, 19 to 30, 31 to 50, and > 50
years). (Since there were very few subjects aged over 70 years in our sample, we did not include those subjects in a
separate category).
We then calculated the ± 1 SD cut-off of reported energy intake (rEI) as a percentage of pER specific to each sex-
age-BMI group according to the following equation: ± 1 SD = √ (CV2rEI/d + CV2
pER + CV2mTEE, where CV2
rEI is the intra-
individual variation in reported energy intake (SD of EI/mean EI), d is the number of days of the dietary assessment (3
days), CV2pER is the error in predicted energy requirements (SD of the residuals of the prediction equations/mean pER
for each sex-age-BMI group) and CV2MTEE is the day-to-day biological variation in total energy expenditure (TEE)
which has been previously estimated to 8.2 % (37). Since the ± 1 SD cut-offs were found to be similar across groups
(17 % to 22 %), an average cut-off of 19 % was used for analyses. Thus, participants were identified as NR if their
rEI:pER ratio expressed as a percentage was between 83% and 117%, as UR if rEI:pER ≤ 83 % and as OR if
rEI:pER ≥ 117 %.
Statistical analyses
Sex-differences in the baseline characteristics of the study population were tested using Student’s t-test (continuous
variables) and chi-square test for comparison of frequencies (categorical variables). Student’s t test was used to
compare GI and GL values between participants with and without MetS or its risk factors. Sex-specific tertiles of GI
and GL were computed, and multiple logistic regressions were used to estimate odds ratios and 95 % confidence
intervals for MetS and its components among tertiles of GI and GL. The prospective change in MetS risk factors
80
variables was calculated by subtracting the baseline values from the values obtained after a 6-year period. Pearson
correlations between baseline GI and GL and 6-year changes in MetS risk factors were computed. Potential
confounding variables considered were age, total energy intake, fiber intake, calcium intake, percentage of energy
intake from fat and protein, physical activity habits (hours per week), smoking status (yes or no) and amount of sleep
(hours per day). These confounding variables were determined based on correlations and in accordance the
literature. It can be noted that calcium intake was considered due to the existing association between low calcium
intake and adiposity in QFS (38).GI and GL were adjusted for total energy intake using the residual method (39). All
analyses were performed among the total sample as well as after exclusion of subjects with implausible rEI. Statistical
significance was set as P value ≤ 0.05. All statistical analyses were conducted using SAS 9.2 (40) or JMP 10
software (41).
81
RESULTS
The study population consisted of 350 (44 %) men and 444 (56 %) women. Mean age was 38 y, and the population
was, on average, overweight. Prevalence of metabolic syndrome was higher in men (24%) than in women (18%)
(p=0.05). The prevalence of having elevated TG or FG was also higher in men, whereas the prevalence of presenting
large WC was higher in women and the prevalence of presenting low HDL-C or high BP did not differ significantly
between sexes. Average values of WC, TG, BP and FG were higher in men while HDL-C was higher in women. GI,
GL and dietary intakes were higher in men except for percentage of energy from carbohydrate that was higher in
women and percentage of energy from fat and protein that was similar between sexes (table 1). The proportion of
misreporters (UR and OR) reached 45% in men and 46% in women (table 2).
Results from cross-sectional analyses
GI and GL associations with MetS.
There was no significant difference in GI and GL between subjects with and without MetS in the total sample.
However, among NR, men with MetS had a higher GI (p= 0.01) compared to men without MetS (results not shown).
GI and GL associations with components of MetS.
Compared to those with normal values, men with a large WC and women with elevated FG had a higher GI (p= 0.002
and p= 0.009, respectively), and these associations remained significant after exclusion of misreporters. Furthermore,
men with elevated TG and women with a large WC had a higher GI, and men with elevated FG had a lower GL, but
those associations were not significant among NR (Table 3).
GI and GL associations with the risk of developing MetS or its components
GI and GL were not associated with the risk of developing MetS, both before (results not shown) and after adjustment
for potential confounding variables. However, in men, the risk of having low HDL-C was 4.63 (CI= 2.09 to 10.60;
p< 0.0001) times higher for men in the highest tertile of GL compared to those in the lowest after adjustment for
potential confounding variables. Excluding misreporters did not change the estimates (OR = 3.50; CI = 1.09 - 12.09,
p < 0.01). A significant inverse association was observed between GL and FG in men, those being in the highest
tertile of GL exhibiting a reduced risk of having elevated FG compared to those in the lowest tertile (OR= 0.33; 95 %
CI= 0.11 to 0.91; p= 0.05). However, after exclusion of misreporters, the association was no longer significant. GI
(Table 4) and GL (Table 5) were not associated with other risk factors of MetS.
82
Results from longitudinal analyses
Baseline GL was negatively correlated with 6-year changes in HDL-C in men (r= - 0.27; p= 0.002). This association
remained significant among NR (r= - 0.25; p=0.04). Among NR, correlations were also observed between GI and
changes in WC (r= 0.27; p= 0.03) and TG (r= 0.29; p= 0.01) in men and between GL and changes in TG (r= - 0.35;
p= 0.002) in women. GI and GL were not correlated with changes in other risk factors of MetS over a 6-year follow-up
period (Table 6).
GI and GL were not associated with the development of MetS over 6 years (change in MetS status from negative to
positive) (results not shown). Moreover, in women, change in GL over a 6-year follow-up period was significantly
associated with change in WC (p=0.007) and TG (p= 0.04); those who increased their GL over 6 years had the
highest gains (results not shown). Changes in GI and GL over time were not associated with changes in other risk
factors of MetS.
83
DISCUSSION
This study aimed at investigating associations between GI, GL and MetS and its components, as well as associations
between GI, GL and 6-year changes in MetS status and its risk factors among participants of QFS. To our knowledge,
this is the first study to examine associations between GI, GL and changes in MetS and all five risk factors taken
together over time. Our results suggest that GI and GL of the habitual diet are not associated with MetS as a whole,
but that GI and GL could influence some of its risk factors. They also highlight the importance of taking into account
implausible rEI when investigating these relationships as it can influence results.
In our study, GI and GL were not associated with the risk of developing MetS, and baseline GI and GL were not
associated with the development of MetS over a 6-year follow-up period. While no other studies examined the
associations between GI, GL and change in MetS over time, several cross-sectional studies examined the association
between GI, Gl and MetS and found inconsistent results. Kim and colleagues (2008) reported significant associations
between GI, GL and MetS in overweight women only (11). In the Framingham Offspring Cohort, a high GI diet was
associated with a higher risk of MetS (13), while in the Cooper Center Longitudinal Study, this association was
significant in men only (10). Finally, Culberson and colleagues (2009) reported no significant association between GI,
GL and MetS (12). These heterogeneous results could be due in part to the difference in criteria used to assess MetS
risk, since some studies (11, 13) used the previous criterion for FG glucose (FG ≥ 6.1 mmol/L), while others (10, 12)
used the revised one (FG ≥ 5.6 mmol/L) (14). It can be noted that in our study, only a few participants (n = 20)
developed MetS over the 6-years follow-up, which could possibly explain the lack of association with the risk of
developing MetS.
Even though GI and GL were not associated with the development of MetS over time, a high GL was associated with
a decrease in HDL-C over 6 years in men. In a prospective study conducted among 335 adult Danes, no association
was observed between baseline GI and GL and 6-year changes HDL-C (42). This lack of consistency could be partly
due to differences in the method used to evaluate food intake and determine GI and GL. Indeed, in the latter study, a
diet history interview was used to determine dietary intakes (whereas we used a 3-day food record) and GI values
were based on an earlier GI table than those used in our study. Moreover, logistic regression analyses performed in
the present study also revealed that the risk of having low HDL-C was almost five times higher for men having a high
GL diet compared to those having a low GL diet, and that this association was not significant in women. This is
consistent with results from some previous cross-sectional studies (12, 43) which also observed an inverse
relationship between GL and HDL-C in men only. However, it can be noted that while most observational studies
indicated an inverse association between GI, GL and HDL-C (10, 12, 43, 44, 45), meta-analyses of randomised
controlled trials do not support a significant effect of a low/high GI or GL diet on HDL-C (46, 47).
84
The sex differences in the associations between GL and changes in HDL-C as well as between GL and low HDL-C
are difficult to explain. Although in our study, the prevalence of MetS and most of its components was higher in men,
it was not the case for low HDL-C. Since estrogens can have protecting effects on lipid profile, hormonal differences
could possibly play a role (12). Additionally, men in our sample had significantly higher values of FG than women.
Clinical trials suggest that risk factors of MetS such as body weight and fasting glucose are reduced by a low GI or GL
diet only in subjects with impaired fasting glucose, which could explain why GL was associated with HDL-C in men
only in our study (48, 49).
Moreover, some may argue that the fact that significant associations were observed with GL, but not with GI, could be
due to an influence of carbohydrate intake. However, in our study, GL was highly correlated to carbohydrate intake
(r= 0.88 for men and r= 0.91 for women), but was also significantly correlated with GI (r= 0.33 for men and r= 0.30 for
women), which shows that GL strongly reflects both the quality and quantity of carbohydrate. Moreover, adjustment
for carbohydrate intake did not change association findings, suggesting that the effect is really due to GL and not to
differences in carbohydrate intake. Therefore, the quality and quantity of carbohydrate taken together may be a better
predictor of low HDL-C than the quality alone. It can also be noted that the gap between the mean GI of each tertile is
relatively small, which could also explain why associations were generally significant for GL but not GI.
Apart from the association found between GL and change in HDL-C, we did not observe significant associations
between baseline GI and GL and 6-year changes in the other components of MetS, which is similar to findings from
other longitudinal studies (33, 42). However, some previous longitudinal studies did observe a significant association
between baseline GI and GL and changes in BP or WC. Indeed, in a study on a large sample of adolescents (422
girls and 436 boys) followed for 5 years, each 1-SD increase in baseline GI and GL was respectively related to
significant increases of 1.81 mmHg and 4.02 mmHg in systolic BP in girls (50). Also, in some studies, baseline GI was
associated with significant increases in WC over time (51, 52).
Surprisingly and conversely to our hypothesis, we observed an inverse association between GL and elevated FG in
men. Indeed, the risk of having elevated fasting glucose was 67% lower for men having a high GL diet compared to
those having a low GL diet. Similarly, Finley and colleagues (2010) observed an unexpected inverse association
between GI, GL and elevated FG in men in the Cooper Center Longitudinal Study (10). A high GL diet also resulted in
significantly lower FG concentrations in a randomized controlled-feeding intervention trial (53). However, in most
studies, null associations were observed between GL and FG (11, 12, 33, 45). Additionally, our finding is inconsistent
with results from a meta-analysis of 36 intervention trials (48), which showed that, for individuals with elevated FG,
there is evidence that FG is reduced by a low GI or GL diet.
85
It has been reported that implausible rEI, particularly underreporting, is common in dietary surveys, and could
increase the likelihood of altered proportions of macronutrients as well as alter associations between dietary intake
and obesity (15). For example, Lau and colleagues (2006) (17) observed a significant inverse association between
GL and BMI in the entire population and a significant positive association between GL and BMI among NR. Since
MetS is an outcome of obesity, it can be assumed that implausible rEI could also affect associations between GI, GL
and MetS. Adjusting for energy intake can provide some correction for underreporting if it occurs at the whole diet
level, but it is not sufficient to eliminate biases from selective underreporting for certain types of food, which also
occurs according to some evidence (11). To account for the fact that associations between GI, GL and MetS and its
risk factors could be confounded by implausible rEI, we decided to explore associations among the whole sample and
after exclusion of implausible reporters (UR and OR). In the present study, the prevalence of UR (20 % of men and
22 % of women) was relatively similar to that observed in previous studies (17, 54), whereas the prevalence of OR
(25 % of men and 24 % of women) was slightly higher, which have been previously shown to be the case with the
method used (55). In our study, GI and GL were similar between subjects with and without MetS among the total
sample, but when misreporters were excluded, men with MetS had higher GI values compared to those without MetS.
This suggests that the lack of association between GI and MetS may possibly due, in part, by misreporting of energy
intake. Additionally, GI and GL were not associated with the same components of MetS when analyses were
performed among the total sample compared to NR only. Furthermore, the unexpected inverse association observed
between GL and elevated FG in men among the whole sample was not significant among NR. Those results suggest
that implausible rEI can influence results and change conclusions drawn on the associations between GI, GL and
MetS. Therefore, implausible rEI might be a possible explanation of the heterogeneity of results observed in previous
studies. Future studies examining these associations should therefore account for misreporting of energy intake.
It has been previously argued that adjustment of GI and GL for energy intake is important for taking into account
isocaloric replacement of macronutrients (17). However, because one important mechanism proposed to link GI and
GL to obesity and MetS involves an increase in counter-regulatory hormones leading to increased hunger and energy
intake (9), it is possible that energy adjustment may eliminate associations between GI, GL and MetS. However, in
QFS, GI is not correlated to energy intake (results not shown). Additionally, we previously showed the importance of
energy adjustment (Adel).
Strengths of the present study include: 1) its prospective design, 2) use of 3-day dietary records which allows a more
detailed description of foods consumed than FFQs and therefore better matching with GI values, 3) assignment of GI
values based on the most recent GI tables as well as the use of more than one GI table, which increased the amount
of available data and therefore the precision of GI value assignment, 4) and lastly accounting for misreporting of
86
energy intake. These strengths are not without some limitations. Although individualised measures of energy
requirement were used to identify misreporters, almost half of the participants were excluded from analyses in NR,
making conclusions less generalizable to the entire population. Furthermore, the observational nature of the study
cannot lead to definitive conclusions about causality and residual confounding can still be present, even though we
adjusted for various potential confounding factors.
In conclusion, our results suggest that GI and GL of the diet are not associated with MetS but that this lack of
association may possibly due to implausible rEI. Results also indicate that, in men, a high GL is associated with a
decrease in HDL-C over a 6-year period, as well as with a higher risk of having low HDL-C, independently of potential
confounding factors such as implausible rEI. This suggests that a low GL diet could be beneficial in maintaining an
optimal HDL-C level. Our results also show that a high GL is associated with a lower risk of having elevated FG in
men, but that this association might be confounded by implausible rEI. Overall, our results clearly demonstrate that
accounting for misreporting can modify associations between GI, GL and MetS and its components and change the
conclusions drawn about the contribution of GI and GL in the development of MetS. Considering the numerous biases
that can influence the associations between GI, GL and MetS, as well as the heterogeneity in the findings from
previous researches and the small amount of prospective studies conducted, it is obvious that more prospective
studies are needed to clarify the effects of GI and GL on MetS development. These studies should use standardized
methods to determine GI and GL values and should take into account potential biases such as implausible rEI.
87
ACKNOWLEDGMENTS
QFS was supported by grants from Canadian Institutes of Health Research (CIHR) (#MOP-77652 & #OHN-63276).
Kathryn Adel was supported by a scholarship from the CIHR-FRQS Training Program in Obesity / Healthy Body
Weight Research (TGF-63531) from the Institut Universitaire de Cardiologie et de Pneumologie de Québec .
Thanks are expressed to Christian Couture, Claude Leblanc and Annette Gallant for their help in statistical analyses,
the Scientific team from GI Laboratories for help regarding GI assignment and Megan McCrory for her assistance with
the method used to account for underreporting.
Authors declare no conflict of interest.
88
REFERENCES
1. International Diabetes Federation (2013) Worldwide Definition of the Metabolic Syndrome. www.idf.org/metabolic-syndrome
2. Brand-Miller J, Wolever T, Foster-Powell K, & Colagiuri S (2007) The new glucose revolution, the authoritative guide to the glycemic index, the dietary solution for lifelong health. (Da Capo press, Philadelphia) p 349.
3. Dong JY, Zhang YH, Wang P, & Qin LQ (2012) Meta-analysis of dietary glycemic load and glycemic index in relation to risk of coronary heart disease. The American journal of cardiology 109(11):1608-1613.
4. Ma XY, Liu JP, & Song ZY (2012) Glycemic load, glycemic index and risk of cardiovascular diseases: meta-analyses of prospective studies. Atherosclerosis 223(2):491-496.
5. Livesey G, Taylor R, Livesey H, & Liu S (2013) Is there a dose-response relation of dietary glycemic load to risk of type 2 diabetes? Meta-analysis of prospective cohort studies. The American journal of clinical nutrition 97(3):584-596.
6. Willett W, Manson J, & Liu S (2002) Glycemic index, glycemic load, and risk of type 2 diabetes. The American journal of clinical nutrition 76(1):274S-280S.
7. Steiner G & Lewis GF (1996) Hyperinsulinemia and triglyceride-rich lipoproteins. Diabetes 45 Suppl 3:S24-26.
8. Facchini FS, Hua N, Abbasi F, & Reaven GM (2001) Insulin resistance as a predictor of age-related diseases. The Journal of clinical endocrinology and metabolism 86(8):3574-3578.
9. Ludwig DS (2002) The glycemic index: physiological mechanisms relating to obesity, diabetes, and cardiovascular disease. JAMA : the journal of the American Medical Association 287(18):2414-2423.
10. Finley CE, Barlow CE, Halton TL, & Haskell WL (2010) Glycemic index, glycemic load, and prevalence of the metabolic syndrome in the cooper center longitudinal study. Journal of the American Dietetic Association 110(12):1820-1829.
11. Kim K, Yun SH, Choi BY, & Kim MK (2008) Cross-sectional relationship between dietary carbohydrate, glycaemic index, glycaemic load and risk of the metabolic syndrome in a Korean population. The British journal of nutrition 100(3):576-584.
12. Culberson A, Kafai MR, & Ganji V (2009) Glycemic load is associated with HDL cholesterol but not with the other components and prevalence of metabolic syndrome in the third National Health and Nutrition Examination Survey, 1988-1994. International archives of medicine 2(1):3.
13. McKeown NM, et al. (2004) Carbohydrate nutrition, insulin resistance, and the prevalence of the metabolic syndrome in the Framingham Offspring Cohort. Diabetes care 27(2):538-546.
14. Grundy SM, et al. (2004) Definition of metabolic syndrome: Report of the National Heart, Lung, and Blood Institute/American Heart Association conference on scientific issues related to definition. Circulation 109(3):433-438.
15. Huang TT, Roberts SB, Howarth NC, & McCrory MA (2005) Effect of screening out implausible energy intake reports on relationships between diet and BMI. Obesity research 13(7):1205-1217.
16. Lissner L (2002) Measuring food intake in studies of obesity. Public health nutrition 5(6A):889-892. 17. Lau C, et al. (2006) Association between dietary glycemic index, glycemic load, and body mass index in the
Inter99 study: is underreporting a problem? The American journal of clinical nutrition 84(3):641-645. 18. Bouchard C (1996) Genetic epidemiology, association, and sib-pair linkage: results from the Quebec Family
Study. Molecular genetic aspects of obesity, eds Bray GA & Ryan DH (Louisiana State University press, Baton Rouge, LA) 5:470-481.
19. The Airlie (VA) Consensus Conference (1988) Standardization of Anthropometric measurements. Champaign, IL: Human Kinetics Publishers.
20. Perusse L, et al. (1989) Genetic and environmental determinants of serum lipids and lipoproteins in French Canadian families. Arteriosclerosis 9(3):308-318.
89
21. Perusse L, et al. (1997) Familial resemblance of plasma lipids, lipoproteins and postheparin lipoprotein and hepatic lipases in the HERITAGE Family Study. Arteriosclerosis, thrombosis, and vascular biology 17(11):3263-3269.
22. Richterich R & Dauwalder H (1971) [Determination of plasma glucose by hexokinase-glucose-6-phosphate dehydrogenase method]. Schweizerische medizinische Wochenschrift 101(17):615-618.
23. Grundy SM, et al. (2005) Diagnosis and management of the metabolic syndrome: an American Heart Association/National Heart, Lung, and Blood Institute Scientific Statement. Circulation 112(17):2735-2752.
24. Tremblay AJS LC, Bouchard C (1983) The reproducibility of a three day dietary record. Nutr Res 3:819-830. 25. Health Canada (2010) The Canadian Nutrient File. www.hc-sc.gc.ca/fn-an/nutrition/fiche-nutri-data/index-
eng.php 26. Atkinson FS, Foster-Powell K, & Brand-Miller JC (2008) International tables of glycemic index and glycemic
load values: 2008. Diabetes care 31(12):2281-2283. 27. The University of Sydney (2011) Search for the glycemic index. www.glycemicindex.com 28. Louie JC, Flood V, Turner N, Everingham C, & Gwynn J (2011) Methodology for adding glycemic index
values to 24-hour recalls. Nutrition 27(1):59-64. 29. Wolever TM, Jenkins DJ, Jenkins AL, & Josse RG (1991) The glycemic index: methodology and clinical
implications. The American journal of clinical nutrition 54(5):846-854. 30. Glycemic Index Laboratories (Toronto). www.gilabs.com 31. Wolever TM (2013) Is glycaemic index (GI) a valid measure of carbohydrate quality? European journal of
clinical nutrition 67(5):522-531. 32. Schulz M, et al. (2005) Nutritional correlates of dietary glycaemic index: new aspects from a population
perspective. The British journal of nutrition 94(3):397-406. 33. Mayer-Davis EJ, Dhawan A, Liese AD, Teff K, & Schulz M (2006) Towards understanding of glycaemic index
and glycaemic load in habitual diet: associations with measures of glycaemia in the Insulin Resistance Atherosclerosis Study. The British journal of nutrition 95(2):397-405.
34. Micha R & Nelson M (2011) Glycemic index and glycemic load used in combination to characterize metabolic responses of mixed meals in healthy lean young adults. Journal of the American College of Nutrition 30(2):113-125.
35. Bouchard C, et al. (1983) A method to assess energy expenditure in children and adults. The American journal of clinical nutrition 37(3):461-467.
36. A Report of the Panel on Macronutrients, Subcommittees on Upper Reference Levels of Nutrients and Interpretation and Uses of Dietary Reference Intakes, and the Standing Committee on the Scientific Evaluation of Dietary Reference Intakes, (2005) Dietary Reference Intakes for Energy, Carbohydrate, Fiber, Fat, Fatty Acids, Cholesterol, Protein, and Amino Acids (Macronutrients).
37. Black AE & Cole TJ (2000) Within- and between-subject variation in energy expenditure measured by the doubly-labelled water technique: implications for validating reported dietary energy intake. European journal of clinical nutrition 54(5):386-394.
38. Jacqmain M. et al. (2003) Calcium intake, body composition, and lipoprotein-lipid concentrations in adults. American journal of clinical nutrition 77:1448–1452.
39. Willett W & Stampfer MJ (1986) Total energy intake: implications for epidemiologic analyses. American journal of epidemiology 124(1):17-27.
40. SAS Institute Inc. (2009) SAS/STAT ® 9.2 User’s Guide, Second Edition. Cary, NC: SAS Institute Inc. 41. SAS Institute Inc. (2012) JMP® 10 Design of Experiments Guide. Cary, NC: SAS Institute Inc. 42. Oxlund AL & Heitmann BL (2006) Glycaemic index and glycaemic load in relation to blood lipids - 6 years of
follow-up in adult Danish men and women. Public health nutrition 9(6):737-745. 43. Liese AD, et al. (2005) Dietary glycemic index and glycemic load, carbohydrate and fiber intake, and
measures of insulin sensitivity, secretion, and adiposity in the Insulin Resistance Atherosclerosis Study. Diabetes care 28(12):2832-2838.
44. Levitan EB, et al. (2008) Dietary glycemic index, dietary glycemic load, blood lipids, and C-reactive protein. Metabolism: clinical and experimental 57(3):437-443.
90
45. Mosdol A, Witte DR, Frost G, Marmot MG, & Brunner EJ (2007) Dietary glycemic index and glycemic load are associated with high-density-lipoprotein cholesterol at baseline but not with increased risk of diabetes in the Whitehall II study. The American journal of clinical nutrition 86(4):988-994.
46. Opperman AM, Venter CS, Oosthuizen W, Thompson RL, & Vorster HH (2004) Meta-analysis of the health effects of using the glycaemic index in meal-planning. The British journal of nutrition 92(3):367-381.
47. Goff LM, Cowland DE, Hooper L, & Frost GS (2013) Low glycaemic index diets and blood lipids: a systematic review and meta-analysis of randomised controlled trials. Nutrition, metabolism, and cardiovascular diseases : NMCD 23(1):1-10.
48. Livesey G, Taylor R, Hulshof T, & Howlett J (2008) Glycemic response and health--a systematic review and meta-analysis: relations between dietary glycemic properties and health outcomes. The American journal of clinical nutrition 87(1):258S-268S.
49. Ebbeling CB, Leidig MM, Feldman HA, Lovesky MM, & Ludwig DS (2007) Effects of a low-glycemic load vs low-fat diet in obese young adults: a randomized trial. JAMA : the journal of the American Medical Association 297(19):2092-2102.
50. Gopinath B, et al. (2012) Influence of high glycemic index and glycemic load diets on blood pressure during adolescence. Hypertension 59(6):1272-1277.
51. Hare-Bruun H, Flint A, & Heitmann BL (2006) Glycemic index and glycemic load in relation to changes in body weight, body fat distribution, and body composition in adult Danes. The American journal of clinical nutrition 84(4):871-879; quiz 952-873.
52. Du H, et al. (2009) Dietary glycaemic index, glycaemic load and subsequent changes of weight and waist circumference in European men and women. International journal of obesity 33(11):1280-1288.
53. Runchey SS, et al. (2012) Glycemic load effect on fasting and post-prandial serum glucose, insulin, IGF-1 and IGFBP-3 in a randomized, controlled feeding study. European journal of clinical nutrition 66(10):1146-1152.
54. Murakami K, McCaffrey TA, & Livingstone MB (2013) Associations of dietary glycaemic index and glycaemic load with food and nutrient intake and general and central obesity in British adults. The British journal of nutrition:1-11.
55. Mendez MA, et al. (2011) Alternative methods of accounting for underreporting and overreporting when measuring dietary intake-obesity relations. American journal of epidemiology 173(4):448-458.
91
Table 1. Participants descriptive characteristics
Means ± standard deviations *Student’s t-test (continuous variables) and chi-square test (for comparison of frequencies, categorical variables)
Characteristics Men (n=350) Women (n=444) p*
Age (y) 38.1 ± 16.2 38.5 ± 15.1 0.71
Weight (kg) 80.8 ± 21.8 70.1 ± 21.3 < 0.0001
BMI (kg/m2) 27.0 ± 6.8 27.2 ± 8.1 0.69
Prevalence of MetS (%) 23.9 % 17.7 % 0.05
Large WC (%) 23.5 % 30.8 % 0.02
Elevated TG (%) 34.9 % 22.7 % 0.0002
Low HDL-C (%) 45.8 % 47.0 % 0.75
High BP (%) 8.6 % 5.4 % 0.08
Elevated FG (%) 24.5 % 14.9 % 0.002
Waist circumference (cm) 92.1 ± 17.3 82.8 ± 17.8 < 0.0001
Triglycerides (mmol/L) 1.5 ± 0.8 1.4 ± 0.7 0.001
HDL cholesterol (mmol/L) 1.1 ± 0.3 1.3 ± 0.3 < 0.0001
Systolic blood pressure (mmHg) 118.4 ± 15.1 115.8 ± 16.0 0.02
Diastolic blood pressure (mmHg) 73.0 ± 10.4 70.7 ± 9.6 0.002
Fasting plasma glucose (mmol/L) 5.2 ± 0.5 5.0 ± 0.5 < 0.0001
Glycemic index 56.8 ± 3.7 55.8 ± 3.4 0.0001
Glycemic load 174.7 ± 56.3 129.1 ± 38.8 < 0.0001
Fiber intake (g) 20.4 ± 8.7 17.2 ± 6.7 < 0.0001
Energy intake (kcal) 2693.7 ± 718.1 1985.3 ± 515.5 < 0.0001
Carbohydrate (energy %) 47.1 ± 6.8 48.2 ± 6.7 0.03
Fat (energy %) 34.6 ± 6.0 34.3 ± 6.2 0.45
Protein (energy %) 15.7 ± 3.1 16.0 ± 3.1 0.13
92
Table 2. Number and percentage of men and women classified as under-reporters, normal reporters and over-reporters
Underreporters (UR)
rEI/pER ≤ 83%
Normal reporters (NR)
83% < rEI/pER < 117%
Overreporters (OR)
rEI/pER ≥ 117%
Men 68 (20.3 %) 183 (54.6 %) 84 (25.1 %)
Women 93 (22.0 %) 228 (53.9 %) 102 (24.1 %)
rEI = reported energy intake; pER = predicted energy requirement
93
Table 3. GI and GL values1 in relation to metabolic syndrome and its components among participants of QFS.
Men Women
MetS + MetS - p MetS + MetS - p
GI 57.6 ± 0.5 56.6 ± 0.3 0.07 (0.01) 56.4 ± 0.4 55.8 ± 0.2 0.24 (0.61)
GL 171.2 ± 3.7 178.6 ± 2.1 0.08 (0.94) 130.3 ± 2.9 130.4 ± 1.3 0.99 (0.65)
Large WC + Large WC - p Large WC + Large WC - p
GI 57.9 ± 0.4 56.4 ± 0.2 0.002 (0.0003) 56.4 ± 0.3 55.5 ± 0.2 0.02 (0.10)
GL 170.8 ± 3.3 176.1 ± 1.8 0.16 (0.64) 129.9 ± 1.9 128.9 ± 1.3 0.72 (0.21)
High TG + High TG - p High TG + High TG - p
GI 57.4 ± 0.3 56.5 ± 0.2 0.04 (0.31) 56.1 ± 0.3 55.7 ± 0.2 0.40 (0.24)
GL 174.1 ± 2.7 175.4 ± 2.0 0.69 (0.90) 130.9 ± 2.3 129.1 ± 1.2 0.42 (0.53)
Low HDL-C + Low HDL-C - p Low HDL-C + Low HDL-C - p
GI 56.8 ± 0.3 56.8 ± 0.3 0.93 (0.11) 55.9 ± 0.2 55.8 ± 0.2 0.74 (0.88)
GL 176.3 ± 2.3 173.8 ± 2.2 0.44 (0.96) 131.3 ± 1.6 127.9 ± 1.5 0.13 (0.39)
High BP + High BP - p High BP + High BP - p
GI 57.9 ± 0.7 56.7 ± 0.2 0.08 (0.44) 56.4 ± 0.7 55.8 ± 0.2 0.34 (0.45)
GL 172.8 ± 5.4 175.1 ± 1.7 0.58 (0.63) 127.6 ± 4.6 129.3 ± 1.1 0.71 (0.80)
High FG + High FG - p High FG + High FG - p
GI 56.9 ± 0.5 56.8 ± 0.3 0.93 (0.43) 57.0 ± 0.4 55.7 ± 0.2 0.009 (0.04)
GL 167.2 ± 3.6 179.8 ± 2.0 0.002 (0.37) 128.6 ± 3.1 130.7 ± 1.3 0.55 (0.57)
Means ± standard deviations. GI: glycemic index; GL: glycemic load; +: presence of; -: absence of; MetS: metabolic syndrome; WC: waist circumference; TG: triglycerides; HDL-C: HDL cholesterol; BP: blood pressure; FG: fasting glucose. P values in parentheses are computed in normal reporters. 1GI and GL adjusted for total energy intake using the residual method
94
Table 4. Odds ratios2 and 95% confidence intervals for the association between metabolic syndrome
and glycemic index1 in men and women in the Quebec Family Study.
Energy-Adjusted Glycemic Index1
Tertile 1 Tertile 2 Tertile 3 P value
Men (n=350) --------------mean ± standard deviation-------------- 52.9 ± 0.2 56.4 ± 0.2 60.7 ± 0.2
Metabolic syndrome --------Odds ratio (95% confidence intervals)--------
Whole sample 1.00 1.02 (0.41 – 2.55) 1.45 (0.59 – 3.59) 0.66 Normal reporters 1.00 2.52 (0.53 – 13.65) 2.61 (0.54 – 14.21) 0.39
Large waist circumference Whole sample 1.00 1.21 (0.55 – 2.68) 1.50 (0.68 – 3.36) 0.60
Normal reporters 1.00 1.41 (0.40 – 5.12) 1.71 (0.49 – 6.27) 0.70 Elevated triglycerides
Whole sample 1.00 1.16 (0.59 – 2.30) 1.34 (0.65 – 2.77) 0.72 Normal reporters 1.00 0.97 (0.34 – 2.72) 0.88 (0.29 – 2.61) 0.97
Low HDL cholesterol Whole sample 1.00 1.33 (0.73 – 2.42) 1.02 (0.53 – 1.97) 0.59
Normal reporters 1.00 2.31 (0.94 – 5.89) 1.72 (0.65 – 4.58) 0.18 High blood pressure
Whole sample 1.00 1.24 (0.38 – 4.20) 0.89 (0.24 – 3.28) 0.84 Normal reporters2 1.00 0.50 (0.06 – 3.15) 0.96 (0.18 – 5.05) 0.74
Elevated fasting glucose Whole sample 1.00 1.17 (0.52 – 2.63) 0.82 (0.34 – 1.94) 0.72
Normal reporters2 1.00 0.58 (0.16 – 2.02) 0.73 (0.18 – 2.70) 0.69
Women (n= 444) --------------mean ± standard deviation------------- 52.2 ± 0.1 55.8 ± 0.1 59.5 ± 0.1
Metabolic syndrome -------Odds ratio (95% confidence interval)--------- Whole sample 1.00 1.15 (0.52 – 2.54) 0.67 (0.28 – 1.60) 0.40
Normal reporters 1.00 1.04 (0.28 – 3.95) 0.48 (0.09 – 2.31) 0.55 Large waist circumference
Whole sample 1.00 1.26 (0.70 – 2.26) 0.90 (0.47 – 1.73) 0.53 Normal reporters 1.00 1.04 (0.36 – 3.01) 1.18 (0.38 – 3.73) 0.96
Elevated triglycerides Whole sample 1.00 0.92 (0.48 – 1.76) 0.84 (0.41 – 1.69) 0.89
Normal reporters 1.00 0.52 (0.19 – 1.31) 0.84 (0.30 – 2.29) 0.35 Low HDL cholesterol
Whole sample 1.00 0.72 (0.42 – 1.21) 0.88 (0.49 – 1.57) 0.44 Normal reporters 1.00 0.54 (0.25 – 1.14) 0.59 (0.25 – 1.37) 0.24
High blood pressure Whole sample 1.00 0.75 (0.18 – 3.06) 1.47 (0.43 – 5.50) 0.58
Normal reporters 1.00 0.18 (0.00 – 2.27) 0.67 (0.07 – 6.16) 0.43 Elevated fasting glucose
Whole sample 1.00 2.28 (0.93 – 6.09) 1.31 (0.48 – 3.76) 0.17 Normal reporters 1.00 5.77 (1.25 – 43.38) 3.54 (0.63 – 29.29) 0.08
1GI adjusted for total energy intake using the residual method 2Adjusted for age, physical activity, sleep, smoking, total energy intake, fiber intake, calcium intake and % of energy from protein and fat.
95
Table 5. Odds ratios2 and 95% confidence intervals for the association between metabolic syndrome and glycemic load1 in men and women in the Quebec Family Study.
Energy-Adjusted Glycemic Load1
Tertile 1 Tertile 2 Tertile 3 P value
Men (n =350) -------------------mean ± standard deviation------------------ 129.1 ± 2.0 155.8 ± 2.1 192.3 ± 2.7
Metabolic syndrome -----------Odds ratio (95% confidence interval)-------------- Whole sample 1.00 0.30 (0.10 – 0.84) 0.63 (0.22 – 1.81) 0.06
Normal reporters 1.00 0.20 (0.02 – 1.35) 1.01 (0.16 – 6.98) 0.11 Large waist circumference
Whole sample 1.00 0.48 (0.20 – 1.12) 0.82 (0.33 – 2.08) 0.20 Normal reporters 1.00 0.48 (0.11 – 1.98) 0.94 (0.26 – 3.40) 0.56
Elevated triglycerides Whole sample 1.00 0.69 (0.32 – 1.48) 1.26 (0.55 – 2.90) 0.26
Normal reporters 1.00 0.58 (0.18 – 1.82) 0.94 (0.26 – 3.40) 0.56 Low HDL cholesterol
Whole sample 1.00 0.99 (0.49 – 2.02) 4.63 (2.09 – 10.60) <0.0001 Normal reporters 1.00 0.79 (0.28 – 2.22) 3.50 (1.09 – 12.09) 0.01
High blood pressure Whole sample 1.00 0.51 (0.14 – 1.84) 0.28 (0.06 – 1.27) 0.26
Normal reporters 1.00 0.46 (0.06 – 3.32) 0.10 (0.01 – 1.13) 0.14 Elevated fasting glucose
Whole sample 1.00 0.35 (0.13 –0.87 ) 0.33 (0.11 – 0.91) 0.05 Normal reporters 1.00 0.36 (0.08 –1.48 ) 0.33 (0.07 – 1.52) 0.29
Women (n= 444) ---------------------mean ± standard deviation------------------------
121.9 ± 2.2 138.4 ± 1.8 163.7 ± 1.8 Metabolic syndrome ----------------Odds ratio (95% confidence interval)----------------
Whole sample 1.00 1.00 (0.44 – 2.29) 0.54 (0.18 – 1.61) 0.40 Normal reporters 1.00 0.28 (0.06 – 1.17) 0.19 (0.03 – 1.10) 0.12
Large waist circumference Whole sample 1.00 1.64 (0.87 – 3.14) 1.33 (0.60 – 2.97) 0.31
Normal reporters 1.00 1.24 (0.43 – 3.63) 1.07 (0.29 – 3.89) 0.92 Elevated triglycerides
Whole sample 1.00 1.75 (0.86 – 3.63) 1.24 (0.51 – 3.03) 0.25 Normal reporters 1.00 2.26 (0.83 – 6.53) 1.80 (0.54 – 6.32) 0.28
Low HDL cholesterol Whole sample 1.00 1.03 (0.58 – 1.84) 1.12 (0.55 – 2.28) 0.95
Normal reporters 1.00 1.29 (0.56 – 2.99) 1.28 (0.48 – 3.43) 0.82 High blood pressure
Whole sample 1.00 2.07 (0.55 – 9.16) 0.83 (0.13 – 5.42) 0.29 Normal reporters 1.00 2.13 (0.22 – 28.52) 2.88 (0.14 – 63.82) 0.75
Elevated fasting glucose Whole sample 1.00 0.81 (0.33 – 1.99) 0.56 (0.17 – 1.78) 0.61
Normal reporters 1.00 0.40 (0.10 – 1.55) 0.19 (0.02 – 1.15) 0.18 1GL adjusted for total energy intake using the residual method. 2Adjusted for age, physical activity, sleep, smoking, total energy intake, fiber intake, calcium intake and % of energy from protein and fat.
96
Table 6. Correlations between GI, GL1 and 6-year changes (deltas) in metabolic syndrome risk factors among participants of QFS.
GI GL
MetS risk factors2 Men Women Men Women
∆ WC 0.11 (0.27) -0.10 (-0.22) 0.14 (0.15) -0.05 (-0.17)
∆ TG 0.19 (0.29) -0.006 (-0.05) 0.10 (0.23) -0.13 (-0.35)
∆ HDL-C -0.07 (-0.03) 0.03 (-0.03) -0.27 (-0.25) -0.05 (0.09)
∆ SBP 0.12 (0.19) -0.06 (-0.08) 0.05 (0.11) 0.09 (0.00)
∆ DBP 0.15 (0.15) -0.08 (-0.06) 0.08 (-0.10) 0.02 (-0.07)
∆ FG 0.05 (0.25) 0.02 (0.04) -0.01 (0.00) -0.08 (-0.03)
∆: change; WC: waist circumference; TG: Triglycerides; HDL-C: HDL cholesterol; BP: blood pressure; FG: fasting glucose; GI: glycemic index; GL: glycemic load. 1GI and GL adjusted for total energy intake using the residual method 2Adjusted for age and initial value of the trait Values in bold are significant (p < 0.05). Values in parentheses are correlations computed in normal reporters.
97
Chapitre 3. Discussion générale et conclusion
L’étude observationnelle réalisée dans le cadre de ce projet avait comme objectif général d’examiner les
associations entre l’IG et la CG de l’alimentation et l’obésité et le SM. Plus spécifiquement, le projet visait
d’abord à examiner les associations entre l’IG et la CG et la prévalence d’obésité de même que différents
indicateurs d’adiposité et leur variation sur une période de six ans. Deuxièmement, il avait comme objectif
d’examiner les associations entre l’IG et la CG et le risque de développer le SM ou ses facteurs de risque de
même que l’augmentation de ses facteurs de risque sur une période de six ans. Finalement, il visait aussi à
évaluer l’impact d’une déclaration improbable de l’apport énergétique sur ces relations. La première hypothèse
à vérifier stipulait qu’une alimentation à IG et CG élevée serait associée à une prévalence accrue d’obésité, à
une adiposité plus élevée et à un gain de poids et d’adiposité avec le temps. La deuxième hypothèse à vérifier
était qu’une alimentation à IG et CG élevée serait associée à un risque accru de SM et de ses facteurs de
risque de même qu’à une augmentation des facteurs de risque du SM avec le temps. Finalement, nous avons
émis l’hypothèse que la déclaration improbable de l’apport alimentaire influencerait les relations entre l’IG, la
CG et l’obésité et le SM.
Certaines observations correspondent à ce qui était attendu, alors que d’autres ont plutôt infirmé nos
hypothèses. D’abord, nos résultats suggèrent que l’IG et la CG de l’alimentation sont associés à l’obésité et
l’adiposité chez les femmes mais pas chez les hommes. En effet, dans notre étude, les femmes obèses
avaient un IG et une CG plus élevés que les femmes non obèses. De plus, l’IG et la CG étaient corrélés au
poids corporel de même qu’à l’IMC, la CT, la MG et la GV chez les femmes mais pas chez les hommes. Nos
résultats ne permettent pas d’affirmer que l’IG ou la CG initiaux sont associés à un gain de poids et d’adiposité
avec le temps. Par contre, ils suggèrent qu’une augmentation de la CG (mais pas de l’IG) sur 6 ans est
associée à des gains accrus de poids, d’IMC, de MG et de CT chez les femmes mais pas chez les hommes.
Contrairement à nos hypothèses, une alimentation à IG ou CG élevée n’était pas associée à un risque accru
de SM parmi les sujets de QFS. De plus, une CG élevée a été associée à une diminution du risque d’avoir un
niveau de glucose à jeun élevé chez les hommes. Tel que prédit, une CG élevée était associée à un risque
plus élevé d’avoir un niveau de C-HDL abaissé de même qu’à une diminution du C-HDL sur une période de
six ans, mais chez les hommes seulement. Par contre, une alimentation à IG ou CG élevés n’était pas
associée à un risque accru des autres facteurs de risque du SM ou à une augmentation de ceux-ci avec le
temps. Finalement, tel que prédit, le fait d’exclure des analyses les sujets dont l’apport calorique n’était pas
conforme aux valeurs prédites de la dépense d'énergie a modifié les résultats.
98
Le fait que nous ayons observé des relations significatives entre l’IG et la CG et l’obésité et l’adiposité chez les
femmes mais pas chez les hommes s’avère difficile à expliquer. Plusieurs autres études ont observé des
associations positives significatives entre l’IG ou la CG et l’adiposité chez les femmes seulement (84, 88, 90,
96). Des différences hormonales entre les femmes et les hommes pourraient certainement être en cause. De
plus, dans notre population, la prévalence d’obésité était plus élevée chez les femmes, et celles-ci avaient un
niveau plus élevé de gras abdominal et un niveau plus faible d’activité physique que les hommes. Hare-Bruun
et collaborateurs (2006) (90) ont suggéré que les sujets obèses et sédentaires, surtout les femmes, étaient
particulièrement sensibles aux variations d’IG et de CG, ce qui pourraient expliquer pourquoi, dans notre
étude, une variation de CG a été associée à une variation d’obésité chez les femmes seulement.
Dans notre population, le nombre de femmes et d’hommes ayant sous-déclaré ou sur-déclaré leur apport
énergétique était similaire. Par contre, lorsque les sujets ayant fait une déclaration improbable de leur apport
énergétique étaient exclus des analyses, les corrélations entre la CG et les différentes variables d’adiposité
étaient augmentées chez les femmes et devenaient significatives chez les hommes. Cela suggère que les
différences sexuelles observées pourraient en partie être expliquées par la déclaration improbable de l’apport
alimentaire. De plus, les associations entre les changements de CG et les changements d’adiposité chez les
femmes n’étaient plus significatives, mais demeuraient significatives parmi les femmes qui avaient sous-
déclaré leur apport énergétique. Cela suggère que ces associations ont été biaisées par la sous-déclaration
de l’apport énergétique.
De façon semblable, lorsque les sujets ayant fait une déclaration improbable de leur apport énergétique
étaient exclus des analyses, les hommes ayant le SM avaient un IG plus élevé comparativement à ceux
n’ayant pas le SM. De plus, la relation inverse initialement observée entre la CG et un niveau de glucose à
jeun élevé chez les hommes n’était plus présente. Cela suggère que l’IG pourrait être associé au SM chez les
hommes et vient renforcer l’hypothèse que la déclaration improbable de l’apport énergétique peut biaiser les
associations entre l’IG et le SM. Alors que, dans notre étude, les associations entre l’IG, la CG et l’adiposité
semblaient être plus fortes chez les femmes, une association entre l’IG et le SM semblait être présente chez
les hommes seulement. De plus, la CG était associée au C-HDL chez les hommes seulement. Dans la
population à l’étude, les hommes avaient des valeurs de glucose à jeun significativement plus élevées que les
femmes. Plusieurs études cliniques suggèrent qu’une diète à IG ou CG faible s’accompagne d’un effet
significatif sur des facteurs de risque du syndrome métabolique, mais seulement chez des sujets ayant un
contrôle glycémique altéré (101, 107, 108). Ainsi, nous postulons que dans notre étude, les hommes étaient
99
plus sensibles aux effets de l’IG et de la CG que les femmes en raison d’une glycémie à jeun plus élevée, ce
qui pourrait en partie expliquer la présence d’associations chez les hommes mais pas chez les femmes.
Dans l’ensemble de la littérature, de façon générale, on remarque que l’IG est plus souvent associé à
l’adiposité et aux facteurs de risque du SM que la CG. À l’inverse, dans notre étude, nous avons généralement
observé des associations avec la CG mais pas avec l’IG. Le fait d’ajuster pour la quantité de glucides n’a pas
modifié les résultats, ce qui suggère que l’effet est réellement dû à la CG et non à une influence de l’apport en
glucides. Puisque la CG tient compte à la fois de l’IG et de la quantité de glucides, elle reflète mieux l’effet de
l’alimentation sur la glycémie que l’IG seul. Il est à noter qu’il n’y avait pas un grand écart entre l’IG moyen de
chaque tertile d’IG, ce qui pourrait aussi expliquer pourquoi l’IG n’était généralement pas associé à l’obésité et
au SM dans notre étude.
Un autre facteur à considérer est l’influence de l’apport énergétique sur les relations, particulièrement celles
impliquant la CG. Le fait d’ajuster la CG pour l’apport énergétique total dans l’étude des relations entre la CG
et l’obésité ou le SM permet de comparer les effets de la CG pour un même apport énergétique, éliminant
ainsi la possibilité que les sujets ayant une CG élevée pourraient aussi avoir des apports caloriques et en gras
plus élevés, ce qui pourrait aussi influencer le gain d’adiposité et le développement du SM. D’un autre côté, un
mécanisme proposé pour lier l’IG et la CG à l’obésité et au SM est une augmentation des hormones contre-
régulatrices entrainant une augmentation de la faim et donc de l’apport énergétique. Ainsi, le fait de contrôler
pour l’apport énergétique pourrait avoir comme effet d’atténuer les associations. Chez les sujets de notre
étude, un IG élevé n’était pas associé à un apport énergétique total plus élevé. De plus, lorsque la CG était
ajustée pour l’apport énergétique, certaines associations n’étaient plus présentes, ce qui suggère que l’apport
énergétique était un facteur confondant important à considérer.
Dans notre étude, une CG élevée était associée à un risque plus élevé d’avoir un niveau de C-HDL abaissé de
même qu’à une diminution du C-HDL sur une période de six ans chez les hommes, indépendamment des
facteurs confondants potentiels. Cela suggère qu’une alimentation à IG faible pourrait être bénéfique pour
maintenir un profil lipidique sain. Par contre, ces résultats doivent être interprétés avec prudence. En effet,
lorsqu’on regarde l’ensemble de la littérature, le lien entre la CG et les niveaux C-HDL est supporté par
l’ensemble des études observationnelles mais pas par la plupart des études d’intervention. D’autres études
sont donc nécessaires pour pouvoir tirer des conclusions. Notre étude suggère aussi qu’une alimentation à IG
et CG élevée est associée à une prévalence accrue d’obésité et à une adiposité plus élevée surtout chez les
femmes, mais aussi en partie chez les hommes lorsque la déclaration improbable de l’apport énergétique est
prise en considération. Ces associations ont aussi été retrouvées dans un grand nombre d’autres études.
100
La méthodologie utilisée pour ce projet comporte plusieurs avantages mais aussi des inconvénients. D’abord,
nous avions la chance d’avoir des données longitudinales, permettant, dans une certaine mesure, de valider
les associations observées avec les données transversales. Bien que d’autres études prospectives aient
examiné les relations entre l’IG, la CG et les changements d’adiposité ou de certains facteurs de risque du SM
considérés de façon isolée avec le temps, notre étude est la première étude prospective à avoir examiné les
relations entre l’IG, la CG et le développement du SM avec le temps, en tenant compte de tous ses facteurs
de risque en même temps. Cependant, lorsqu’on tient compte des facteurs confondants, les résultats issus de
nos analyses longitudinales se sont avérés peu concluants. Cela pourrait être dû en partie au fait que nous
n’avions pas de données longitudinales pour tous les sujets, ce qui a considérablement réduit la taille de
l’échantillon et donc la puissance statistique.
Ensuite, dans la majorité des études, un questionnaire de fréquence a été utilisé pour évaluer l’apport
alimentaire. Il est à noter qu’aucun questionnaire n’a été validé pour permettre de déterminer l’IG et la CG.
Dans notre étude, un journal alimentaire a été utilisé. Tel que mentionné à la section 3.7, cet outil a l’avantage
de permettre une description plus détaillée des aliments consommés, ce qui est important puisque l’on sait
que l’IG d’un aliment peut varier considérablement selon différents facteurs tels que la cuisson et le traitement.
Par contre, il risque d’être moins représentatif de l’alimentation habituelle puisqu’il ne considère que trois jours.
De plus, nous avons utilisé trois tables d’IG différentes et récentes pour déterminer l’IG des aliments. Cela
nous a permis d’attribuer une valeur d’IG précise à un plus grand nombre d’aliments, puisque si un aliment ne
se retrouvait pas dans une table, il se retrouvait souvent dans l’une des deux autres. Seulement 1,3 % des
aliments consommés par les sujets n’ont pas été retrouvés dans les tables et se sont fait attribuer l’IG d’un
aliment semblable. De ce fait, la marge d’erreur relative au classement des participants en fonction de leur IG
et CG moyens a été réduite davantage.
Finalement, nous avons démontré que la déclaration de l’apport énergétique non conforme aux valeurs
prédites de la dépense énergétique peut influencer les associations entre l’IG, la CG et l’obésité et le SM. Il
existe plusieurs méthodes permettant d’identifier les sujets qui font une sous-déclaration ou une sur-
déclaration de leur apport énergétique. La méthode utilisée dans cette étude a l’avantage de prédire les
besoins énergétiques de façon individualisée en tenant compte du niveau d’activité physique de chaque
participant. Une méthode utilisant un seuil fixe, telle que la méthode de Goldberg, a plus de chance de mener
à un mauvais classement des sujets (179, 182). Par contre, la méthode utilisée a fait en sorte que presque la
moitié de nos sujets ont été considérés comme ayant sous-déclaré ou sur-déclaré leur apport énergétique.
Conséquemment, les résultats obtenus suite à l’exclusion de ces sujets risquent d’être moins représentatifs de
101
la population générale (183) tout en réduisant la puissance de détecter des effets significatifs en raison de la
diminution de la taille de l’échantillon.
En conclusion, ce projet de recherche a permis de démontrer que la déclaration de l’apport énergétique non
conforme aux valeurs prédites de la dépense énergétique est un facteur confondant important dans l’étude de
des relations entre l’IG, la CG et l’adiposité de même que le SM. Cependant, compte tenu de sa nature
observationnelle, il ne permet pas d’établir de relations de causalité. Le débat concernant la contribution de
l’IG et de la CG dans l’étiologie de l’obésité et du SM est donc loin d’être résolu. Des études prospectives
comprenant un plus grand nombre de sujets sont nécessaires. Bien que cela représente tout un défi, des
études cliniques contrôlées et randomisées comparant les effets à long terme de diètes ad libitum ne différant
qu’en termes d’IG et de CG et où idéalement les aliments seraient fournis aux participants s’avèrent aussi
nécessaires pour évaluer les effets indépendants de l’IG et la CG sur le développement de l’obésité et du SM.
103
Bibliographie
1. Huang TT, Roberts SB, Howarth NC, & McCrory MA (2005) Effect of screening out implausible energy intake reports on relationships between diet and BMI. Obesity research 13(7):1205-1217.
2. World Health Organisation (WHO) (2013) Global Health Observatory, Overweight and obesity. www.who.int/gho/ncd/risk_factors/overweight/en/
3. Mozumdar A & Liguori G (2011) Persistent increase of prevalence of metabolic syndrome among U.S. adults: NHANES III to NHANES 1999-2006. Diabetes care 34(1):216-219.
4. Wyatt SB, Winters KP, & Dubbert PM (2006) Overweight and obesity: prevalence, consequences, and causes of a growing public health problem. The American journal of the medical sciences 331(4):166-174.
5. Grundy SM, et al. (2005) Diagnosis and management of the metabolic syndrome: an American Heart Association/National Heart, Lung, and Blood Institute Scientific Statement. Circulation 112(17):2735-2752.
6. Brand-Miller J, Wolever T, Foster-Powell K, & Colagiuri S (2007) The new glucose revolution, the authoritative guide to the glycemic index, the dietary solution for lifelong health. (Da Capo press, Philadelphia) p 349.
7. Dong JY, Zhang YH, Wang P, & Qin LQ (2012) Meta-analysis of dietary glycemic load and glycemic index in relation to risk of coronary heart disease. The American journal of cardiology 109(11):1608-1613.
8. Mirrahimi A, et al. (2012) Associations of glycemic index and load with coronary heart disease events: a systematic review and meta-analysis of prospective cohorts. Journal of the American Heart Association 1(5):e000752.
9. Ma XY, Liu JP, & Song ZY (2012) Glycemic load, glycemic index and risk of cardiovascular diseases: meta-analyses of prospective studies. Atherosclerosis 223(2):491-496.
10. Livesey G, Taylor R, Livesey H, & Liu S (2013) Is there a dose-response relation of dietary glycemic load to risk of type 2 diabetes? Meta-analysis of prospective cohort studies. The American journal of clinical nutrition 97(3):584-596.
11. Esfahani A, et al. (2009) The glycemic index: physiological significance. Journal of the American College of Nutrition 28 Suppl:439S-445S.
12. Venn BJ & Green TJ (2007) Glycemic index and glycemic load: measurement issues and their effect on diet-disease relationships. European journal of clinical nutrition 61 Suppl 1:S122-131.
13. McMillan-Price J & Brand-Miller J (2006) Low-glycaemic index diets and body weight regulation. International journal of obesity 30:S40-46.
14. The University of Sydney (2011) Search for the glycemic index. www.glycemicindex.com 15. Brand-Miller J & Buyken AE (2012) The glycemic index issue. Current opinion in lipidology 23(1):62-
67. 16. Wolever TM (2013) Is glycaemic index (GI) a valid measure of carbohydrate quality? European
journal of clinical nutrition 67(5):522-531. 17. Thomas D & Elliott EJ (2009) Low glycaemic index, or low glycaemic load, diets for diabetes mellitus.
The Cochrane database of systematic reviews (1):CD006296. 18. Thomas DE & Elliott EJ (2010) The use of low-glycaemic index diets in diabetes control. The British
journal of nutrition 104(6):797-802. 19. Brand-Miller J, Hayne S, Petocz P, & Colagiuri S (2003) Low-glycemic index diets in the management
of diabetes: a meta-analysis of randomized controlled trials. Diabetes care 26(8):2261-2267. 20. Barclay AW, et al. (2008) Glycemic index, glycemic load, and chronic disease risk--a meta-analysis of
observational studies. The American journal of clinical nutrition 87(3):627-637. 21. Overby NC, Sonestedt E, Laaksonen DE, & Birgisdottir BE (2013) Dietary fiber and the glycemic
index: a background paper for the Nordic Nutrition Recommendations 2012. Food & nutrition research 57.
104
22. Brand-Miller JC (2003) Glycemic load and chronic disease. Nutrition reviews 61(5 Pt 2):S49-55. 23. Ceriello A, et al. (1999) Meal-induced oxidative stress and low-density lipoprotein oxidation in
diabetes: the possible role of hyperglycemia. Metabolism: clinical and experimental 48(12):1503-1508.
24. Despres JP, et al. (1996) Hyperinsulinemia as an independent risk factor for ischemic heart disease. The New England journal of medicine 334(15):952-957.
25. Du H, et al. (2008) Glycemic index and glycemic load in relation to food and nutrient intake and metabolic risk factors in a Dutch population. The American journal of clinical nutrition 87(3):655-661.
26. Levitan EB, et al. (2008) Dietary glycemic index, dietary glycemic load, blood lipids, and C-reactive protein. Metabolism: clinical and experimental 57(3):437-443.
27. Liu S, et al. (2002) Relation between a diet with a high glycemic load and plasma concentrations of high-sensitivity C-reactive protein in middle-aged women. The American journal of clinical nutrition 75(3):492-498.
28. Gnagnarella P, Gandini S, La Vecchia C, & Maisonneuve P (2008) Glycemic index, glycemic load, and cancer risk: a meta-analysis. The American journal of clinical nutrition 87(6):1793-1801.
29. Choi Y, Giovannucci E, & Lee JE (2012) Glycaemic index and glycaemic load in relation to risk of diabetes-related cancers: a meta-analysis. The British journal of nutrition 108(11):1934-1947.
30. Aune D, et al. (2012) Carbohydrates, glycemic index, glycemic load, and colorectal cancer risk: a systematic review and meta-analysis of cohort studies. Cancer causes & control : CCC 23(4):521-535.
31. Dong JY & Qin LQ (2011) Dietary glycemic index, glycemic load, and risk of breast cancer: meta-analysis of prospective cohort studies. Breast cancer research and treatment 126(2):287-294.
32. Jenkins DJ, et al. (2002) Glycemic index: overview of implications in health and disease. The American journal of clinical nutrition 76(1):266S-273S.
33. Dong JY, Zhang L, Zhang YH, & Qin LQ (2011) Dietary glycaemic index and glycaemic load in relation to the risk of type 2 diabetes: a meta-analysis of prospective cohort studies. The British journal of nutrition 106(11):1649-1654.
34. Mosdol A, Witte DR, Frost G, Marmot MG, & Brunner EJ (2007) Dietary glycemic index and glycemic load are associated with high-density-lipoprotein cholesterol at baseline but not with increased risk of diabetes in the Whitehall II study. The American journal of clinical nutrition 86(4):988-994.
35. Stevens J, et al. (2002) Dietary fiber intake and glycemic index and incidence of diabetes in African-American and white adults: the ARIC study. Diabetes care 25(10):1715-1721.
36. Sluijs I, et al. (2013) Dietary glycemic index, glycemic load, and digestible carbohydrate intake are not associated with risk of type 2 diabetes in eight European countries. The Journal of nutrition 143(1):93-99.
37. Willett W, Manson J, & Liu S (2002) Glycemic index, glycemic load, and risk of type 2 diabetes. The American journal of clinical nutrition 76(1):274S-280S.
38. Byrnes SE, Miller JC, & Denyer GS (1995) Amylopectin starch promotes the development of insulin resistance in rats. The Journal of nutrition 125(6):1430-1437.
39. Higgins JA, Brand Miller JC, & Denyer GS (1996) Development of insulin resistance in the rat is dependent on the rate of glucose absorption from the diet. The Journal of nutrition 126(3):596-602.
40. Frost G, Leeds A, Trew G, Margara R, & Dornhorst A (1998) Insulin sensitivity in women at risk of coronary heart disease and the effect of a low glycemic diet. Metabolism: clinical and experimental 47(10):1245-1251.
41. Organisation mondiale de la Santé (OMS) (2013) Obésité. www.who.int/topics/obesity/fr/ 42. WHO (1998) Obesity, Preventing and Managing the Global Epidemic. Report of a WHO Consultation
on Obesity. (Genève). 43. Ordre professionnel des diététistes du Québec (2000) Obésité et contrôle du poids. Manuel de
nutrition clinique en ligne. 44. Romero-Corral A, et al. (2008) Accuracy of body mass index in diagnosing obesity in the adult
general population. International journal of obesity 32(6):959-966.
105
45. Reeder BA, et al. (1997) The association of cardiovascular disease risk factors with abdominal obesity in Canada. Canadian Heart Health Surveys Research Group. CMAJ : Canadian Medical Association journal = journal de l'Association medicale canadienne 157 Suppl 1:S39-45.
46. Agence de la santé publique du Canada (2012) Obésité au Canada, conséquences sur la santé et l’économie. www.phac-aspc.gc.ca/hp-ps/hl-mvs/oic-oac/econo-fra.php
47. Anis AH, et al. (2010) Obesity and overweight in Canada: an updated cost-of-illness study. Obesity reviews : an official journal of the International Association for the Study of Obesity 11(1):31-40.
48. World Health Organisation (WHO) (2013) Overweight and obesity, Fact sheet N°311. www.who.int/mediacentre/factsheets/fs311/en/
49. Statistique Canada. Composition corporelle des adultes canadiens, 2009 à 2011. www.statcan.gc.ca/pub/82-625-x/2012001/article/11708-fra.htm
50. Grundy SM, et al. (2004) Definition of metabolic syndrome: Report of the National Heart, Lung, and Blood Institute/American Heart Association conference on scientific issues related to definition. Circulation 109(3):433-438.
51. Alberti KG, et al. (2009) Harmonizing the metabolic syndrome: a joint interim statement of the International Diabetes Federation Task Force on Epidemiology and Prevention; National Heart, Lung, and Blood Institute; American Heart Association; World Heart Federation; International Atherosclerosis Society; and International Association for the Study of Obesity. Circulation 120(16):1640-1645.
52. Boursier V (2006) [Metabolic syndrome]. Journal des maladies vasculaires 31(4 Pt 1):190-201. 53. Riediger ND & Clara I (2011) Prevalence of metabolic syndrome in the Canadian adult population.
CMAJ : Canadian Medical Association journal = journal de l'Association medicale canadienne 183(15):E1127-1134.
54. Ford ES, Giles WH, & Mokdad AH (2004) Increasing prevalence of the metabolic syndrome among u.s. Adults. Diabetes care 27(10):2444-2449.
55. Pérusse L, Chagnon Y, Rice T, Rao D, & Bouchard C (1998) L’épidémiologie génétique et la génétique moléculaire de l’obésité : les enseignements de l’étude des familles de Québec. Médecine/Sciences 14:914-924.
56. Rankinen T, et al. (2006) The human obesity gene map: the 2005 update. Obesity 14(4):529-644. 57. Chaput JP, Despres JP, Bouchard C, & Tremblay A (2008) The association between sleep duration
and weight gain in adults: a 6-year prospective study from the Quebec Family Study. Sleep 31(4):517-523.
58. Jakes RW, et al. (2003) Television viewing and low participation in vigorous recreation are independently associated with obesity and markers of cardiovascular disease risk: EPIC-Norfolk population-based study. European journal of clinical nutrition 57(9):1089-1096.
59. Giskes K, van Lenthe F, Avendano-Pabon M, & Brug J (2011) A systematic review of environmental factors and obesogenic dietary intakes among adults: are we getting closer to understanding obesogenic environments? Obesity reviews : an official journal of the International Association for the Study of Obesity 12(5):e95-e106.
60. Bray GA, Paeratakul S, & Popkin BM (2004) Dietary fat and obesity: a review of animal, clinical and epidemiological studies. Physiology & behavior 83(4):549-555.
61. Bendtsen LQ, Lorenzen JK, Bendsen NT, Rasmussen C, & Astrup A (2013) Effect of dairy proteins on appetite, energy expenditure, body weight, and composition: a review of the evidence from controlled clinical trials. Advances in nutrition 4(4):418-438.
62. Yeomans MR (2004) Effects of alcohol on food and energy intake in human subjects: evidence for passive and active over-consumption of energy. The British journal of nutrition 92 Suppl 1:S31-34.
63. Tremblay A & Gilbert JA (2011) Human obesity: is insufficient calcium/dairy intake part of the problem? Journal of the American College of Nutrition 30(5 Suppl 1):449S-453S.
64. Summerbell CD, et al. (2009) The association between diet and physical activity and subsequent excess weight gain and obesity assessed at 5 years of age or older: a systematic review of the epidemiological evidence. International journal of obesity 33 Suppl 3:S1-92.
106
65. Johnson L, Wilks DC, Lindroos AK, & Jebb SA (2009) Reflections from a systematic review of dietary energy density and weight gain: is the inclusion of drinks valid? Obesity reviews : an official journal of the International Association for the Study of Obesity 10(6):681-692.
66. McCrory MA, et al. (1999) Overeating in America: association between restaurant food consumption and body fatness in healthy adult men and women ages 19 to 80. Obesity research 7(6):564-571.
67. McCrory MA, et al. (1999) Dietary variety within food groups: association with energy intake and body fatness in men and women. The American journal of clinical nutrition 69(3):440-447.
68. Vrolix R, van Meijl LE, & Mensink RP (2008) The metabolic syndrome in relation with the glycemic index and the glycemic load. Physiology & behavior 94(2):293-299.
69. Andersen CJ & Fernandez ML (2013) Dietary strategies to reduce metabolic syndrome. Reviews in endocrine & metabolic disorders.
70. Gaesser GA (2007) Carbohydrate quantity and quality in relation to body mass index. Journal of the American Dietetic Association 107(10):1768-1780.
71. Centers for Disease C & Prevention (2004) Trends in intake of energy and macronutrients--United States, 1971-2000. MMWR. Morbidity and mortality weekly report 53(4):80-82.
72. Drapeau V, et al. (2004) Modifications in food-group consumption are related to long-term body-weight changes. The American journal of clinical nutrition 80(1):29-37.
73. Ludwig DS, Peterson KE, & Gortmaker SL (2001) Relation between consumption of sugar-sweetened drinks and childhood obesity: a prospective, observational analysis. Lancet 357(9255):505-508.
74. Youn S, et al. (2012) Association between dietary carbohydrate, glycemic index, glycemic load, and the prevalence of obesity in Korean men and women. Nutrition research 32(3):153-159.
75. Murakami K, Miyake Y, Sasaki S, Tanaka K, & Arakawa M (2011) Dietary glycemic index and glycemic load in relation to risk of overweight in Japanese children and adolescents: the Ryukyus Child Health Study. International journal of obesity 35(7):925-936.
76. Murakami K, et al. (2013) Dietary glycemic index and glycemic load in relation to changes in body composition measures during adolescence: Northern Ireland Young Hearts Study. International journal of obesity.
77. Barba G, et al. (2012) Glycaemic index and body fat distribution in children: the results of the ARCA project. Nutrition, metabolism, and cardiovascular diseases : NMCD 22(1):28-34.
78. Brand-Miller JC, Holt SH, Pawlak DB, & McMillan J (2002) Glycemic index and obesity. The American journal of clinical nutrition 76(1):281S-285S.
79. Isken F, et al. (2010) Impairment of fat oxidation under high- vs. low-glycemic index diet occurs before the development of an obese phenotype. American journal of physiology. Endocrinology and metabolism 298(2):E287-295.
80. Pawlak DB, Kushner JA, & Ludwig DS (2004) Effects of dietary glycaemic index on adiposity, glucose homoeostasis, and plasma lipids in animals. Lancet 364(9436):778-785.
81. Scribner KB, Pawlak DB, Aubin CM, Majzoub JA, & Ludwig DS (2008) Long-term effects of dietary glycemic index on adiposity, energy metabolism, and physical activity in mice. American journal of physiology. Endocrinology and metabolism 295(5):E1126-1131.
82. van Schothorst EM, Bunschoten A, Schrauwen P, Mensink RP, & Keijer J (2009) Effects of a high-fat, low- versus high-glycemic index diet: retardation of insulin resistance involves adipose tissue modulation. FASEB journal : official publication of the Federation of American Societies for Experimental Biology 23(4):1092-1101.
83. Lerer-Metzger M, et al. (1996) Effects of long-term low-glycaemic index starchy food on plasma glucose and lipid concentrations and adipose tissue cellularity in normal and diabetic rats. The British journal of nutrition 75(5):723-732.
84. Gopinath B, et al. (2013) Carbohydrate nutrition and development of adiposity during adolescence. Obesity (sous presse).
85. Ma Y, et al. (2005) Association between dietary carbohydrates and body weight. American journal of epidemiology 161(4):359-367.
107
86. Lau C, et al. (2006) Association between dietary glycemic index, glycemic load, and body mass index in the Inter99 study: is underreporting a problem? The American journal of clinical nutrition 84(3):641-645.
87. Murakami K, et al. (2007) Dietary fiber intake, dietary glycemic index and load, and body mass index: a cross-sectional study of 3931 Japanese women aged 18-20 years. European journal of clinical nutrition 61(8):986-995.
88. Murakami K, McCaffrey TA, & Livingstone MB (2013) Associations of dietary glycaemic index and glycaemic load with food and nutrient intake and general and central obesity in British adults. The British journal of nutrition:1-11.
89. Du H, et al. (2009) Dietary glycaemic index, glycaemic load and subsequent changes of weight and waist circumference in European men and women. International journal of obesity 33(11):1280-1288.
90. Hare-Bruun H, Flint A, & Heitmann BL (2006) Glycemic index and glycemic load in relation to changes in body weight, body fat distribution, and body composition in adult Danes. The American journal of clinical nutrition 84(4):871-879; quiz 952-873.
91. Finley CE, Barlow CE, Halton TL, & Haskell WL (2010) Glycemic index, glycemic load, and prevalence of the metabolic syndrome in the cooper center longitudinal study. Journal of the American Dietetic Association 110(12):1820-1829.
92. Cheng G, et al. (2009) Relation of dietary glycemic index, glycemic load, and fiber and whole-grain intakes during puberty to the concurrent development of percent body fat and body mass index. American journal of epidemiology 169(6):667-677.
93. Culberson A, Kafai MR, & Ganji V (2009) Glycemic load is associated with HDL cholesterol but not with the other components and prevalence of metabolic syndrome in the third National Health and Nutrition Examination Survey, 1988-1994. International archives of medicine 2(1):3.
94. Kim K, Yun SH, Choi BY, & Kim MK (2008) Cross-sectional relationship between dietary carbohydrate, glycaemic index, glycaemic load and risk of the metabolic syndrome in a Korean population. The British journal of nutrition 100(3):576-584.
95. Liese AD, et al. (2005) Dietary glycemic index and glycemic load, carbohydrate and fiber intake, and measures of insulin sensitivity, secretion, and adiposity in the Insulin Resistance Atherosclerosis Study. Diabetes care 28(12):2832-2838.
96. Romaguera D, et al. (2010) Dietary determinants of changes in waist circumference adjusted for body mass index - a proxy measure of visceral adiposity. PloS one 5(7):e11588.
97. Mendez MA, Covas MI, Marrugat J, Vila J, & Schroder H (2009) Glycemic load, glycemic index, and body mass index in Spanish adults. The American journal of clinical nutrition 89(1):316-322.
98. Rossi M, et al. (2010) Glycemic index and glycemic load in relation to body mass index and waist to hip ratio. European journal of nutrition 49(8):459-464.
99. Sahyoun NR, et al. (2005) Dietary glycemic index and load, measures of glucose metabolism, and body fat distribution in older adults. The American journal of clinical nutrition 82(3):547-552.
100. Murakami K, McCaffrey TA, & Livingstone MB (2013) Dietary glycaemic index and glycaemic load in relation to food and nutrient intake and indices of body fatness in British children and adolescents. The British journal of nutrition:1-12.
101. Livesey G, Taylor R, Hulshof T, & Howlett J (2008) Glycemic response and health--a systematic review and meta-analysis: relations between dietary glycemic properties and health outcomes. The American journal of clinical nutrition 87(1):258S-268S.
102. Thomas DE, Elliott EJ, & Baur L (2007) Low glycaemic index or low glycaemic load diets for overweight and obesity. The Cochrane database of systematic reviews (3):CD005105.
103. Philippou E, et al. (2008) The effect of a 12-week low glycaemic index diet on heart disease risk factors and 24 h glycaemic response in healthy middle-aged volunteers at risk of heart disease: a pilot study. European journal of clinical nutrition 62(1):145-149.
104. de Rougemont A, et al. (2007) Beneficial effects of a 5-week low-glycaemic index regimen on weight control and cardiovascular risk factors in overweight non-diabetic subjects. The British journal of nutrition 98(6):1288-1298.
108
105. Shyam S, et al. (2013) Low glycaemic index diets improve glucose tolerance and body weight in women with previous history of gestational diabetes: a six months randomized trial. Nutrition journal 12:68.
106. McMillan-Price J, et al. (2006) Comparison of 4 diets of varying glycemic load on weight loss and cardiovascular risk reduction in overweight and obese young adults: a randomized controlled trial. Archives of internal medicine 166(14):1466-1475.
107. Ebbeling CB, Leidig MM, Feldman HA, Lovesky MM, & Ludwig DS (2007) Effects of a low-glycemic load vs low-fat diet in obese young adults: a randomized trial. JAMA : the journal of the American Medical Association 297(19):2092-2102.
108. Pittas AG, et al. (2005) A low-glycemic load diet facilitates greater weight loss in overweight adults with high insulin secretion but not in overweight adults with low insulin secretion in the CALERIE Trial. Diabetes care 28(12):2939-2941.
109. Larsen TM, et al. (2010) Diets with high or low protein content and glycemic index for weight-loss maintenance. The New England journal of medicine 363(22):2102-2113.
110. Armeno ML, Krochik AG, & Mazza CS (2011) Evaluation of two dietary treatments in obese hyperinsulinemic adolescents. Journal of pediatric endocrinology & metabolism : JPEM 24(9-10):715-722.
111. de Assis Costa J & de Cassia Goncalves Alfenas R (2012) The consumption of low glycemic meals reduces abdominal obesity in subjects with excess body weight. Nutricion hospitalaria 27(4):1178-1183.
112. Bouche C, et al. (2002) Five-week, low-glycemic index diet decreases total fat mass and improves plasma lipid profile in moderately overweight nondiabetic men. Diabetes care 25(5):822-828.
113. Das SK, et al. (2007) Long-term effects of 2 energy-restricted diets differing in glycemic load on dietary adherence, body composition, and metabolism in CALERIE: a 1-y randomized controlled trial. The American journal of clinical nutrition 85(4):1023-1030.
114. Das SK, et al. (2007) Long Term Effects of Energy-Restricted Diets Differing in Glycemic Load on Metabolic Adaptation and Body Composition. The open nutrition journal 85(4):1023-1030.
115. Goss AM, et al. (2012) Effects of diet macronutrient composition on body composition and fat distribution during weight maintenance and weight loss. Obesity.
116. Rizkalla SW, et al. (2012) Differential effects of macronutrient content in 2 energy-restricted diets on cardiovascular risk factors and adipose tissue cell size in moderately obese individuals: a randomized controlled trial. The American journal of clinical nutrition 95(1):49-63.
117. Sichieri R, Moura AS, Genelhu V, Hu F, & Willett WC (2007) An 18-mo randomized trial of a low-glycemic-index diet and weight change in Brazilian women. The American journal of clinical nutrition 86(3):707-713.
118. Pal S, Lim S, & Egger G (2008) The effect of a low glycaemic index breakfast on blood glucose, insulin, lipid profiles, blood pressure, body weight, body composition and satiety in obese and overweight individuals: a pilot study. Journal of the American College of Nutrition 27(3):387-393.
119. Aston LM, Stokes CS, & Jebb SA (2008) No effect of a diet with a reduced glycaemic index on satiety, energy intake and body weight in overweight and obese women. International journal of obesity 32(1):160-165.
120. Sloth B, et al. (2004) No difference in body weight decrease between a low-glycemic-index and a high-glycemic-index diet but reduced LDL cholesterol after 10-wk ad libitum intake of the low-glycemic-index diet. The American journal of clinical nutrition 80(2):337-347.
121. Pereira MA, Swain J, Goldfine AB, Rifai N, & Ludwig DS (2004) Effects of a low-glycemic load diet on resting energy expenditure and heart disease risk factors during weight loss. JAMA : the journal of the American Medical Association 292(20):2482-2490.
122. Mirza NM, et al. (2013) Effects of a low glycemic load or a low-fat dietary intervention on body weight in obese Hispanic American children and adolescents: a randomized controlled trial. The American journal of clinical nutrition 97(2):276-285.
109
123. Slabber M, Barnard HC, Kuyl JM, Dannhauser A, & Schall R (1994) Effects of a low-insulin-response, energy-restricted diet on weight loss and plasma insulin concentrations in hyperinsulinemic obese females. The American journal of clinical nutrition 60(1):48-53.
124. Ludwig DS (2000) Dietary glycemic index and obesity. The Journal of nutrition 130(2S Suppl):280S-283S.
125. Cusin I, Rohner-Jeanrenaud F, Terrettaz J, & Jeanrenaud B (1992) Hyperinsulinemia and its impact on obesity and insulin resistance. International journal of obesity and related metabolic disorders : journal of the International Association for the Study of Obesity 16 Suppl 4:S1-11.
126. Odeleye OE, de Courten M, Pettitt DJ, & Ravussin E (1997) Fasting hyperinsulinemia is a predictor of increased body weight gain and obesity in Pima Indian children. Diabetes 46(8):1341-1345.
127. Chaput JP, Tremblay A, Rimm EB, Bouchard C, & Ludwig DS (2008) A novel interaction between dietary composition and insulin secretion: effects on weight gain in the Quebec Family Study. The American journal of clinical nutrition 87(2):303-309.
128. Ludwig DS (2002) The glycemic index: physiological mechanisms relating to obesity, diabetes, and cardiovascular disease. JAMA : the journal of the American Medical Association 287(18):2414-2423.
129. Sculati M, Rossi F, Cena H, & Roggi C (2010) Effect of dietary glycemic index on food intake, adiposity, and fasting plasma ghrelin levels in animals. Journal of endocrinological investigation 33(4):250-253.
130. Ebbeling CB, et al. (2012) Effects of dietary composition on energy expenditure during weight-loss maintenance. JAMA : the journal of the American Medical Association 307(24):2627-2634.
131. Agus MS, Swain JF, Larson CL, Eckert EA, & Ludwig DS (2000) Dietary composition and physiologic adaptations to energy restriction. The American journal of clinical nutrition 71(4):901-907.
132. Solomon TP, Haus JM, Cook MA, Flask CA, & Kirwan JP (2013) A Low-Glycemic Diet Lifestyle Intervention Improves Fat Utilization during Exercise in Older Obese Humans. Obesity.
133. Stevenson EJ, Williams C, Mash LE, Phillips B, & Nute ML (2006) Influence of high-carbohydrate mixed meals with different glycemic indexes on substrate utilization during subsequent exercise in women. The American journal of clinical nutrition 84(2):354-360.
134. Bornet FR, Jardy-Gennetier AE, Jacquet N, & Stowell J (2007) Glycaemic response to foods: impact on satiety and long-term weight regulation. Appetite 49(3):535-553.
135. Lennerz BS, et al. (2013) Effects of dietary glycemic index on brain regions related to reward and craving in men. The American journal of clinical nutrition.
136. Wu MY, Bowtell JL, & Williams CA (2013) Glycaemic index of meals affects appetite sensation but not energy balance in active males. European journal of nutrition.
137. McKeown NM, et al. (2004) Carbohydrate nutrition, insulin resistance, and the prevalence of the metabolic syndrome in the Framingham Offspring Cohort. Diabetes care 27(2):538-546.
138. Frost G, et al. (1999) Glycaemic index as a determinant of serum HDL-cholesterol concentration. Lancet 353(9158):1045-1048.
139. Ford ES & Liu S (2001) Glycemic index and serum high-density lipoprotein cholesterol concentration among us adults. Archives of internal medicine 161(4):572-576.
140. Liu S, et al. (2001) Dietary glycemic load assessed by food-frequency questionnaire in relation to plasma high-density-lipoprotein cholesterol and fasting plasma triacylglycerols in postmenopausal women. The American journal of clinical nutrition 73(3):560-566.
141. Denova-Gutierrez E, et al. (2010) Dietary glycemic index, dietary glycemic load, blood lipids, and coronary heart disease. Journal of nutrition and metabolism 2010.
142. Liese AD, Gilliard T, Schulz M, D'Agostino RB, Jr., & Wolever TM (2007) Carbohydrate nutrition, glycaemic load, and plasma lipids: the Insulin Resistance Atherosclerosis Study. European heart journal 28(1):80-87.
143. Hosseinpour-Niazi S, et al. (2013) Dietary glycemic index, glycemic load, and cardiovascular disease risk factors: tehran lipid and glucose study. Archives of Iranian medicine 16(7):401-407.
144. Shikany JM, et al. (2010) Association of glycemic load with cardiovascular disease risk factors: the Women's Health Initiative Observational Study. Nutrition 26(6):641-647.
110
145. Nakashima M, et al. (2010) Dietary glycemic index, glycemic load and blood lipid levels in middle-aged Japanese men and women. Journal of atherosclerosis and thrombosis 17(10):1082-1095.
146. Vrolix R & Mensink RP (2010) Effects of glycemic load on metabolic risk markers in subjects at increased risk of developing metabolic syndrome. The American journal of clinical nutrition 92(2):366-374.
147. Oxlund AL & Heitmann BL (2006) Glycaemic index and glycaemic load in relation to blood lipids - 6 years of follow-up in adult Danish men and women. Public health nutrition 9(6):737-745.
148. van Dam RM, Visscher AW, Feskens EJ, Verhoef P, & Kromhout D (2000) Dietary glycemic index in relation to metabolic risk factors and incidence of coronary heart disease: the Zutphen Elderly Study. European journal of clinical nutrition 54(9):726-731.
149. Kelly S, Frost G, Whittaker V, & Summerbell C (2004) Low glycaemic index diets for coronary heart disease. The Cochrane database of systematic reviews (4):CD004467.
150. Opperman AM, Venter CS, Oosthuizen W, Thompson RL, & Vorster HH (2004) Meta-analysis of the health effects of using the glycaemic index in meal-planning. The British journal of nutrition 92(3):367-381.
151. Goff LM, Cowland DE, Hooper L, & Frost GS (2013) Low glycaemic index diets and blood lipids: a systematic review and meta-analysis of randomised controlled trials. Nutrition, metabolism, and cardiovascular diseases : NMCD 23(1):1-10.
152. Fleming P & Godwin M (2013) Low-glycaemic index diets in the management of blood lipids: a systematic review and meta-analysis. Family practice.
153. Jebb SA, et al. (2010) Effect of changing the amount and type of fat and carbohydrate on insulin sensitivity and cardiovascular risk: the RISCK (Reading, Imperial, Surrey, Cambridge, and Kings) trial. The American journal of clinical nutrition 92(4):748-758.
154. Wolever TM & Mehling C (2003) Long-term effect of varying the source or amount of dietary carbohydrate on postprandial plasma glucose, insulin, triacylglycerol, and free fatty acid concentrations in subjects with impaired glucose tolerance. The American journal of clinical nutrition 77(3):612-621.
155. Gopinath B, et al. (2012) Influence of high glycemic index and glycemic load diets on blood pressure during adolescence. Hypertension 59(6):1272-1277.
156. Mayer-Davis EJ, Dhawan A, Liese AD, Teff K, & Schulz M (2006) Towards understanding of glycaemic index and glycaemic load in habitual diet: associations with measures of glycaemia in the Insulin Resistance Atherosclerosis Study. The British journal of nutrition 95(2):397-405.
157. Kristo AS, Matthan NR, & Lichtenstein AH (2013) Effect of diets differing in glycemic index and glycemic load on cardiovascular risk factors: review of randomized controlled-feeding trials. Nutrients 5(4):1071-1080.
158. Steiner G & Lewis GF (1996) Hyperinsulinemia and triglyceride-rich lipoproteins. Diabetes 45 Suppl 3:S24-26.
159. Facchini FS, Hua N, Abbasi F, & Reaven GM (2001) Insulin resistance as a predictor of age-related diseases. The Journal of clinical endocrinology and metabolism 86(8):3574-3578.
160. van Bakel MM, et al. (2009) Methodological challenges in the application of the glycemic index in epidemiological studies using data from the European Prospective Investigation into Cancer and Nutrition. The Journal of nutrition 139(3):568-575.
161. Bouchard C (1996) Genetic epidemiology, association, and sib-pair linkage: results from the Quebec Family Study. Molecular genetic aspects of obesity, eds Bray GA & Ryan DH (Louisiana State University press, Baton Rouge, LA) 5:470-481.
162. The Airlie (VA) Consensus Conference (1988) Standardization of Anthropometric measurements. Champaign, IL: Human Kinetics Publishers.
163. Bouchard C, Perusse L, Leblanc C, Tremblay A, & Theriault G (1988) Inheritance of the amount and distribution of human body fat. Int J Obes 12(3):205-215.
111
164. Despres JP, Prud'homme D, Pouliot MC, Tremblay A, & Bouchard C (1991) Estimation of deep abdominal adipose-tissue accumulation from simple anthropometric measurements in men. The American journal of clinical nutrition 54(3):471-477.
165. Tremblay A, Leblanc C, & Bouchard C (1983) The reproducibility of a three day dietary record. Nutrition research 3:819-830.
166. Verdier P & Beare-Rogers JL (1984) The Canadian Nutrient File. Journal of the Canadian Dietetic Association 45(1):52-55.
167. Atkinson FS, Foster-Powell K, & Brand-Miller JC (2008) International tables of glycemic index and glycemic load values: 2008. Diabetes care 31(12):2281-2283.
168. Louie JC, Flood V, Turner N, Everingham C, & Gwynn J (2011) Methodology for adding glycemic index values to 24-hour recalls. Nutrition 27(1):59-64.
169. Brouns F, et al. (2005) Glycaemic index methodology. Nutrition research reviews 18(1):145-171. 170. Wolever TM & Jenkins DJ (1986) The use of the glycemic index in predicting the blood glucose
response to mixed meals. The American journal of clinical nutrition 43(1):167-172. 171. Wolever TM, Jenkins DJ, Jenkins AL, & Josse RG (1991) The glycemic index: methodology and
clinical implications. The American journal of clinical nutrition 54(5):846-854. 172. Schulz M, et al. (2005) Nutritional correlates of dietary glycaemic index: new aspects from a
population perspective. The British journal of nutrition 94(3):397-406. 173. Glycemic Index Laboratories ((Toronto). www.gilabs.com 174. Wolever TM, et al. (1994) Determinants of diet glycemic index calculated retrospectively from diet
records of 342 individuals with non-insulin-dependent diabetes mellitus. The American journal of clinical nutrition 59(6):1265-1269.
175. Flood A, et al. (2006) Methodology for adding glycemic load values to the National Cancer Institute Diet History Questionnaire database. Journal of the American Dietetic Association 106(3):393-402.
176. Santé Canada (2010) Politique proposée : Définition et valeur énergétique des fibres alimentaires. Bureau des sciences de la nutrition, Direction des aliments, Direction générale des produits de santé et des aliments.
177. Micha R & Nelson M (2011) Glycemic index and glycemic load used in combination to characterize metabolic responses of mixed meals in healthy lean young adults. Journal of the American College of Nutrition 30(2):113-125.
178. A Report of the Panel on Macronutrients, Subcommittees on Upper Reference Levels of Nutrients and Interpretation and Uses of Dietary Reference Intakes, and the Standing Committee on the Scientific Evaluation of Dietary Reference Intakes, (2005) Dietary Reference Intakes for Energy, Carbohydrate, Fiber, Fat, Fatty Acids, Cholesterol, Protein, and Amino Acids (Macronutrients).
179. Black AE (2000) The sensitivity and specificity of the Goldberg cut-off for EI:BMR for identifying diet reports of poor validity. European journal of clinical nutrition 54(5):395-404.
180. Jacqmain M. et al. (2003) Calcium intake, body composition, and lipoprotein-lipid concentrations in adults. American journal of clinical nutrition 77:1448–1452.
181. Bouchard C, et al. (1983) A method to assess energy expenditure in children and adults. The American journal of clinical nutrition 37(3):461-467.
182. Tooze JA, Krebs-Smith SM, Troiano RP, & Subar AF (2012) The accuracy of the Goldberg method for classifying misreporters of energy intake on a food frequency questionnaire and 24-h recalls: comparison with doubly labeled water. European journal of clinical nutrition 66(5):569-576.
183. Mendez MA, et al. (2011) Alternative methods of accounting for underreporting and overreporting when measuring dietary intake-obesity relations. American journal of epidemiology 173(4):448-458.
184. Whitney EN & Rolfes SR (2011) Understanding nutrition (États-Unis) 12e édition Ed. 185. Institute of Medicine (IOM) (2001) Dietary Reference Intakes: Proposed Definition of Dietary Fiber,
Food and Nutrition Board. www.nap.edu/openbook.php?record_id=10161&page=22
113
Annexe 1. Les fibres alimentaires
1. Définitions
La définition des fibres alimentaires s’est beaucoup élargie au fil des ans. Originalement, les fibres
alimentaires représentaient les constituants endogènes de la substance végétale du régime (polysaccharides
non-amylacés et lignines) résistants à la digestion par les enzymes humaine, de même que les
oligosaccharides résistants et l’amidon résistant (176). L’amidon résistant représente la fraction de l’amidon
qui échappe à la digestion et à l’absorption dans l’intestin grêle et fermente dans le côlon. Il se comporte, sur
le plan physiologique, de la même façon que les fibres alimentaires et est donc considéré comme une source
de fibres (176).
En 2011, Santé Canada a inclut dans sa définition des fibres les fibres nouvelles (176). Ce sont des glucides
extraits de sources naturelles ou issus de la production synthétique qui ne sont ni digérés ni absorbés dans
l’intestin grêle, qui produisent des effets bénéfiques démontrés chez les humains et qui appartiennent à l’une
des catégories suivantes :
-Ils n’ont pas été employés par le passé de manière significative pour l’alimentation humaine;
-Ils ont été transformés de façon à modifier les propriétés de la fibre;
Ils ont été fortement concentrés à partir d’une source végétale.
2. Classification des fibres
2.1 Classification selon l’hydrosolubilité (184)
Fibres solubles visqueuses fermentables : Se dissolvent dans l’eau (solubles), forment des gels (visqueuses)
et servent de substrat aux bactéries du colon (fermentables).
Fibres insolubles : Ne sont pas dissoutes dans l’eau, ne forment pas de gels et sont fermentées plus
difficilement par les bactéries du côlon.
2.2 Classification selon le Food and Nutrition Board de l’Institut de Médecine (185) :
Fibres alimentaires : Glucides non-digestibles et la lignine qui sont intrinsèques et intacts dans les végétaux.
Fibres fonctionnelles : Glucides non digestibles isolés ou extraits, qui ont des effets physiologiques bénéfiques
chez les humains. Ce sont les glucides qui sont extraits des plantes et ajoutés dans les aliments.
Fibres totales : Somme des fibres alimentaires et des fibres fonctionnelles.