Effect of coffee and tea on the glycaemic index of foods: no effect on mean but reduced variability
Notice bibliographique
Résumé
Coffee and tea may influence glycaemic responses but it is not clear whether they affect the glycaemic index (GI) value of foods. Therefore, to see if coffee and tea affected the mean and SEM of GI values, the GI of fruit leather (FL) and cheese puffs (CP) were determined twice in ten subjects using the FAO/WHO protocol with white bread as the reference food. In one series subjects chose to drink 250 ml of either coffee or tea with all test meals, while in the other series they drank 250 ml water. The tests for both series were conducted as a single experiment with the order of all tests being randomised. Coffee and tea increased the overall mean peak blood glucose increment compared with water by 0.25 (SEM 0.09) mmol/l (P=0.02), but did not significantly affect the incremental area under the glucose response curve. Mean GI values were not affected by coffee or tea but the SEM was reduced by about 30% (FL: 31 (SEM 4) v. 35 (SEM 7) and CP: 76 (SEM 6) v. 75 (SEM 8) for coffee or tea v. water, respectively). The error mean square term from the ANOVA of the GI values was significantly smaller for coffee or tea v. water (F(18, 18) = 2.31; P=0.04). We conclude that drinking coffee or tea with test meals does not affect the mean GI value obtained, but may reduce variability and, hence, improve precision.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».