‘Catalytic’ doses of fructose may benefit glycaemic control without harming cardiometabolic risk factors: a small meta-analysis of randomised controlled feeding trials
Notice bibliographique
Résumé
Contrary to concerns that fructose may have adverse metabolic effects, there is evidence that small, 'catalytic' doses ( ≤ 10 g/meal) of fructose decrease the glycaemic response to high-glycaemic index meals in human subjects. To assess the longer-term effects of 'catalytic' doses of fructose, we undertook a meta-analysis of controlled feeding trials. We searched MEDLINE, EMBASE, CINAHL and the Cochrane Library. Analyses included all controlled feeding trials ≥ 7 d featuring 'catalytic' fructose doses ( ≤ 36 g/d) in isoenergetic exchange for other carbohydrates. Data were pooled by the generic inverse variance method using random-effects models and expressed as mean differences (MD) with 95 % CI. Heterogeneity was assessed by the Q statistic and quantified by I 2. The Heyland Methodological Quality Score assessed study quality. A total of six feeding trials (n 118) met the eligibility criteria. 'Catalytic' doses of fructose significantly reduced HbA1c (MD - 0·40, 95 % CI - 0·72, - 0·08) and fasting glucose (MD - 0·25, 95 % CI - 0·44, - 0·07). This benefit was seen in the absence of adverse effects on fasting insulin, body weight, TAG or uric acid. Subgroup and sensitivity analyses showed evidence of effect modification under certain conditions. The small number of trials and their relatively short duration limit the strength of the conclusions. In conclusion, this small meta-analysis shows that 'catalytic' fructose doses ( ≤ 36 g/d) may improve glycaemic control without adverse effects on body weight, TAG, insulin and uric acid. There is a need for larger, longer ( ≥ 6 months) trials using 'catalytic' fructose to confirm these results.
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 | 0,009 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,036 | 0,029 |
| Bibliométrie | 0,003 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».