Heterogeneous Effects of Fructose on Blood Lipids in Individuals With Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: Because of blood lipid concerns, diabetes associations discourage fructose at high intakes. To quantify the effect of fructose on blood lipids in diabetes, we conducted a systematic review and meta-analysis of experimental clinical trials investigating the effect of isocaloric fructose exchange for carbohydrate on triglycerides, total cholesterol, LDL cholesterol, and HDL cholesterol in type 1 and 2 diabetes. RESEARCH DESIGN AND METHODS: We searched MEDLINE, EMBASE, CINAHL, and the Cochrane Library for relevant trials of > or =7 days. Data were pooled by the generic inverse variance method and expressed as standardized mean differences with 95% CI. Heterogeneity was assessed by chi(2) tests and quantified by I(2). Meta-regression models identified dose threshold and independent predictors of effects. RESULTS: Sixteen trials (236 subjects) met the eligibility criteria. Isocaloric fructose exchange for carbohydrate raised triglycerides and lowered total cholesterol under specific conditions without affecting LDL cholesterol or HDL cholesterol. A triglyceride-raising effect without heterogeneity was seen only in type 2 diabetes when the reference carbohydrate was starch (mean difference 0.24 [95% CI 0.05-0.44]), dose was >60 g/day (0.18 [0.00-0.37]), or follow-up was < or =4 weeks (0.18 [0.00-0.35]). Piecewise meta-regression confirmed a dose threshold of 60 g/day (R(2) = 0.13)/10% energy (R(2) = 0.36). A total cholesterol-lowering effect without heterogeneity was seen only in type 2 diabetes under the following conditions: no randomization and poor study quality (-0.19 [-0.34 to -0.05]), dietary fat >30% energy (-0.33 [-0.52 to -0.15]), or crystalline fructose (-0.28 [-0.47 to -0.09]). Multivariate meta-regression analyses were largely in agreement. CONCLUSIONS: Pooled analyses demonstrated conditional triglyceride-raising and total cholesterol-lowering effects of isocaloric fructose exchange for carbohydrate in type 2 diabetes. Recommendations and large-scale future trials need to address the heterogeneity in the data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,017 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».