Background/Objectives: Large language models (LLMs) are increasingly used as decision support tools in clinical nutrition, including meal planning for individuals with type 2 diabetes mellitus (T2DM). However, the clinical safety, quantitative accuracy, and guideline adherence of AI-generated dietary plans remain uncertain. This study aimed to evaluate systematic bias and agreement between LLM-generated diets and a guideline-concordant reference diet, and to assess whether current LLMs can function as reliable clinical nutrition decision support tools in T2DM. Methods: Six widely used LLMs generated standardized three-day, 1800 kcal dietary plans for T2DM using an identical prompt. Each day was treated as an independent observation (n = 18). Energy and macronutrient contents were analyzed using professional nutrition software and compared with a dietitian-designed reference diet based on ADA, EASD, IDF, and national guidelines. Agreement was evaluated using Bland–Altman analysis, proportional bias assessment, and intraclass correlation coefficients. Guideline adherence and clinical appropriateness were independently scored by registered dietitians. Results: Most LLM-generated diets systematically deviated from the reference diet, with lower total energy, reduced carbohydrate and fiber content, and variable protein distribution. Bland–Altman analyses demonstrated significant bias and wide limits of agreement for key nutrients, indicating clinically meaningful discrepancies. Guideline adherence scores varied substantially across models, with only one model showing relatively consistent performance. Inter-rater reliability between dietitians was high (ICC = 0.806). Conclusions: Current LLMs exhibit systematic quantitative bias and inconsistent guideline adherence when used for T2DM meal planning. AI-generated dietary plans are not interchangeable with dietitian-guided medical nutrition therapy and may pose clinical risks if used without professional oversight. Careful validation, domain-specific fine-tuning, and integration within supervised clinical workflows are required before implementation in diabetes care.

Kolorektal kanser, dünya çapında kanserlerin %10’unu oluşturmaktadır ve en sık görülen üçüncü kanser türüdür. Bu yaygın prevelans, kolorektal kanserin toplumların sağlık yükünü arttırdığını göstermektedir. Kolorektal kanser oluşumunu; beslenme, sedanter yaşam, genetik yatkınlık gibi birçok risk faktörü etkilemektedir. Son yıllarda yapılan çalışmalar, bağırsak mikrobiyotasının da kolorektal kanser oluşumu ve gelişiminde etkili olabileceğini göstermektedir. Mikrobiyota, vücudun farklı bölgelerinde yaşayan mikroorganizma topluluklarıdır. Mikrobiyota bileşimi yaş ve beslenme gibi faktörlerden etkilenmektedir. Yapılan araştırmalarda; kolorektal kanser başlangıcında ve sürecinde bağırsak mikrobiyotasında çeşitli değişikliklerin meydana geldiği, bu değişikliklerin hastalığın seyrini değiştirebileceği veya hastalığın tanı aşamasındayken mikrobiyotanın bir biyobelirteç olarak kullanılabileceği öne sürülmektedir. Bu durum mikrobiyotanın modülasyonu ile kolorektal kanser hastalığının tanı koyma sürecini, seyrini veya tedavisini etkileyebilme fikrine yol açmaktadır. Mevcut araştırmalar mikrobiyotanın kısa veya uzun vadeli beslenme değişikliklerine hızla yanıt verdiğini ortaya koymuştur. Bu durum da mikrobiyota modülasyonunun beslenme değişikliğiyle yapılabileceğini göstermektedir. Bu derlemenin amacı, kolorektal kanser ve mikrobiyota arasındaki ilişkiyi ve bu ilişkinin beslenmeyle olan etkileşimini incelemektir.

Amaç: Liselerde eğitim gören adölesanların beslenme bilgileri, okul saatlerindeki kantin kullanımları, antropometrik ölçümleri ve kahvaltı alışkanlıklarının saptamaktır. Yöntem: Bu çalışmanın katılımcıları İstanbul ve Diyarbakır illerindeki liselerde eğitim gören 12-17 yaşları arasında toplam 379 adölesandan oluşmaktadır. Araştırma verileri adölesanların sosyodemografik özelliklerini, kantin kullanımını, günlük öğün sayılarını, kahvaltı etme durumlarını, kantinde en çok tercih ettikleri besinleri sorgulayan bilgi formu ve “Adölesanların Beslenme Bilgilerinin Saptanması Ölçeği” aracıyla online olarak elde edilmiştir. Veriler, SPSS 24.0 programında Ki-Kare ve T testi kullanılarak analiz edilmiştir. Bulgular: Adölesanların %64.9’u (n=246) kız, %35.1’i (n=133) erkek ve yaş ortalaması 15.05±1.04 yıldır. “Adölesanların Beslenme Bilgilerinin Saptanması Ölçeği”nin ortalama puanın kızlarda ve erkeklerde sırasıyla 31.6±5.97 ve 28.0±7.74’dır. 12 puan altı “kötü”, 13-22 puan arası “orta”, 23-33 puan arası “iyi” ve 34 puan ve üzeri “çok iyi” olarak sınıflandırılmaktadır. Okul saatleri içerisinde ara öğün yapan öğrencilerin oranı %62.7’dir. Adölesanların %41.9’u her sabah düzenli kahvaltı yapmaktadır, %72.8’i gün içinde kantini 1-2 kere kullanmaktadır ve %24.9’u harçlığının yarısını kantinde harcamaktadır. Sonuç: Okullar, sosyal çevre, kamu spotları gibi beslenmeyle ilgili bilgilere yer verilebilecek birçok içerikte adölesanlarda doğru beslenme alışkanlıklarının kazanılmasına ve farkındalık sağlamaya yönelik uygulamalar yapılmalıdır.

Background/Objectives: The increasing use of dietary supplements in Türkiye underscores the need for validated instruments to assess dietitians' knowledge, attitudes and self‐efficacy regarding supplements. However, no validated Turkish tool is currently available. This study aimed to culturally adapt the Dietitians' Survey of Comfort, Opinions and Preparedness in Education in Supplements (‐SCOPE) Questionnaire into Turkish (Diyetisyenlerin Eğitim, Supleman Tercihleri ve Konforu Anketi; DESTEK) and evaluate its psychometric properties. Methods: This methodological study included 223 dietitians. Exploratory factor analysis (Principal Axis Factoring with Direct Oblimin rotation) was conducted to identify the underlying structure, followed by confirmatory factor analysis to test model fit. Internal consistency was assessed using Cronbach's alpha. Convergent validity was examined through composite reliability and average variance extracted, and discriminant validity was evaluated using the Fornell–Larcker criterion. Results: A four‐factor structure explaining 38.3% of total variance was identified. Sampling adequacy was acceptable (KMO = 0.78; Bartlett's test: χ ² (153) = 1023.27, p < 0.001). Confirmatory factor analysis demonstrated acceptable model fit (CFI = 0.915; TLI = 0.893; RMSEA = 0.062; SRMR = 0.057). The total scale showed acceptable internal consistency (α = 0.795), with subscale α values ranging from 0.531 to 0.824. Composite reliability values ranged from 0.60 to 0.83. Test–retest analysis demonstrated acceptable temporal stability (overall ICC = 0.772). Discriminant validity was supported. Conclusions: The findings provide preliminary evidence supporting the validity and reliability of the DESTEK scale for assessing Turkish dietitians' knowledge, attitudes and perceived preparedness regarding dietary supplements. Given its multidimensional structure, DESTEK may be useful for evaluating specific domains of supplement‐related competence; however, further validation in larger and more diverse samples is recommended.

Background/Objectives: This study evaluated the nutrient calculation accuracy, reproducibility, and expert-rated clinical appropriateness and safety indicators of three-day diet plans generated for women with polycystic ovary syndrome (PCOS), recently proposed to be termed polyendocrine metabolic ovarian syndrome (PMOS). Methods: Anonymized data from six women with heterogeneous PMOS profiles, purposively selected from a single clinic, were converted into standardized Turkish prompts and submitted to ChatGPT-4, Claude Sonnet 4.6, Gemini 2.5 Flash, and Mistral 2.0 through free web interfaces. Three independent generations per case–model combination yielded 216 daily menus. LLM-reported nutrient values were compared with BeBiS 9.0 calculations. Reproducibility was assessed using intraclass correlation coefficients (ICCs). Two experts independently evaluated the first generated plan for each case–model combination using a study-specific clinical appropriateness rubric and red-flag checklist. Results: No model achieved consistently low error across nutrients. Claude Sonnet 4.6 showed the lowest percentage errors for energy, carbohydrate, and fiber; ChatGPT-4 for protein; and Mistral 2.0 for fat. Gemini 2.5 Flash showed the largest percentage errors across all nutrients and a mean energy bias of +531.1 kcal. ChatGPT-4 showed comparatively higher plan-level reproducibility, while the remaining models generally showed poor reproducibility. Claude Sonnet 4.6 had the highest descriptive clinical appropriateness scores and Gemini 2.5 Flash the lowest, but no pairwise differences remained significant after Holm correction. Gemini 2.5 Flash generated the most confirmed study-specific red flags (n = 28), with all six cases meeting the criterion for the “masked low-energy” indicator. Conclusions: LLM-generated diet plans showed model-dependent calculation errors and limited reproducibility, and the present findings do not support their independent or unsupervised use as individualized clinical nutrition recommendations.