MétaCan
Menu
Retour à la cohorte
Enregistrement W1810408898 · doi:10.1080/10408398.2015.1084490

Modification of appetite by bread consumption: A systematic review of randomized controlled trials

2015· review· en· W1810408898 sur OpenAlexfundno aff
Carolina Gonzalez-Anton, Reyes Artacho, María Dolores Ruiz‐López, Ángel Gil, María Dolores Mesa

Notice bibliographique

RevueCritical Reviews in Food Science and Nutrition · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensnon disponible
Organismes subventionnairesHealth CanadaUniversidad de Granada
Mots-clésPostprandialAppetiteFood scienceGlycemic indexGlycemicRandomized controlled trialBiotechnologyMedicineBiologyInsulinInternal medicine

Résumé

récupéré en direct d'OpenAlex

The inclusion of different ingredients or the use of different baking technologies may modify the satiety response to bread, and aid in the control of food intake. The aim of this study was to perform a systematic search of randomized clinical trials on the effect of bread consumption on appetite ratings in humans. The search equation was ("Bread"[MeSH]) AND ("Satiation"[MeSH] OR "Satiety response"[MeSH]), and the filter "clinical trials." As a result of this procedure, 37 publications were selected. The satiety response was considered as the primary outcome. The studies were classified as follows: breads differing in their flour composition, breads differing in ingredients other than flours, breads with added organic acids, or breads made using different baking technologies. In addition, we have revised the data related to the influence of bread on glycemic index, insulinemic index and postprandial gastrointestinal hormones responses. The inclusion of appropriate ingredients such as fiber, proteins, legumes, seaweeds and acids into breads and the use of specific technologies may result in the development of healthier breads that increase satiety and satiation, which may aid in the control of weight gain and benefit postprandial glycemia. However, more well-designed randomized control trials are required to reach final conclusions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,040
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0110,009
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,201
Tête enseignante GPT0,463
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Food Science and NutritionMême sujetDiet and metabolism studiesTravaux en français237 207