MétaCan
Menu
Retour à la cohorte
Enregistrement W2534167096 · doi:10.1093/nutrit/nuw032

Biological fate of low-calorie sweeteners

2016· review· en· W2534167096 sur OpenAlexfundno aff
Bernadene A. Magnuson, Michael C. Carakostas, Nadia H. Moore, Sylvia P. Poulos, A.G. Renwick

Notice bibliographique

RevueNutrition Reviews · 2016
Typereview
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésSucraloseAspartameSaccharinStevia rebaudianaArtificial SweetenerSteviaBiotechnologyEnvironmental healthMedicineToxicologyBusinessFood scienceBiologySugarEndocrinology

Résumé

récupéré en direct d'OpenAlex

With continued efforts to find solutions to rising rates of obesity and diabetes, there is increased interest in the potential health benefits of the use of low- and no-calorie sweeteners (LNCSs). Concerns about safety often deter the use of LNCSs as a tool in helping control caloric intake, even though the safety of LNCS use has been affirmed by regulatory agencies worldwide. In many cases, an understanding of the biological fate of the different LNSCs can help health professionals to address safety concerns. The objectives of this review are to compare the similarities and differences in the chemistry, regulatory status, and biological fate (including absorption, distribution, metabolism, and excretion) of the commonly used LNCSs: acesulfame potassium, aspartame, saccharin, stevia leaf extract (steviol glycoside), and sucralose. Understanding the biological fate of the different LNCSs is helpful in evaluating whether reports of biological effects in animal studies or in humans are indicative of possible safety concerns. Illustrations of the usefulness of this information to address questions about LNCSs include discussion of systemic exposure to LNCSs, the use of sweetener combinations, and the potential for effects of LNCSs on the gut microflora.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,374
Écart entre enseignants0,256 · 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'étudeSans objet
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

Citations318
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrition ReviewsMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207