Evidence to support a food-based dietary guideline on sugar consumption in South Africa
Notice bibliographique
Résumé
BACKGROUND: To review studies undertaken in South Africa (SA) which included sugar intake associated with dental caries, non-communicable diseases, diabetes, obesity and/or micronutrient dilution, since the food-based dietary guideline: "Use foods and drinks that contain sugar sparingly and not between meals" was promulgated by the Department of Health (DOH) in 2002. METHODS: Three databases (PubMed, Cochrane Library, and ScienceDirect), and SA Journal of Clinical Nutrition (SAJCN), DOH and SA Medical Research Council (SAMRC) websites were searched for SA studies on sugar intake published between 2000 and January 2012. Studies were included in the review if they evaluated the following: sugar intake and dental caries; sugar intake and non-communicable diseases; sugar and diabetes; sugar and obesity and/or sugar and micronutrient dilution. RESULTS: The initial search led to 12 articles in PubMed, 0 in Cochrane, 35 in ScienceDirect, 5 in the SAJCN and 3 reports from DOH/SAMRC. However, after reading the abstracts only 7 articles from PubMed, 4 from SAJCN and 3 reports were retained for use as being relevant to the current review. Hand searching of reference lists of SAJCN articles produced two more articles. Intake of sugar appears to be increasing steadily across the South African (SA) population. Children typically consume about 50 g per day, rising to as much as 100 g per day in adolescents. This represents about 10% of dietary energy, possibly as much as 20%. It has been firmly established that sugar plays a major role in development of dental caries. Furthermore, a few studies have shown that sugar has a diluting effect on the micronutrient content of the diet which lowers the intake of micronutrients. Data from numerous systematic reviews have shown that dietary sugar increases the risk for development of both obesity and type 2 diabetes. Risk for development of these conditions appears to be especially strong when sugar is consumed as sugar-sweetened beverages. CONCLUSION: Based on the evidence provided the current DOH food-based dietary guideline on sugar intake should remain as is.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».