MétaCan
Menu
Retour à la cohorte
Enregistrement W2626721010 · doi:10.3390/nu9060600

Targeting Overconsumption of Sugar-Sweetened Beverages vs. Overall Poor Diet Quality for Cardiometabolic Diseases Risk Prevention: Place Your Bets!

2017· review· en· W2626721010 sur OpenAlexaff
Benoît Arsenault, Benoı̂t Lamarche, Jean‐Pierre Després

Notice bibliographique

RevueNutrients · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueDiet, Metabolism, and Disease
Établissements canadiensUniversité LavalInstitut universitaire de cardiologie et de pneumologie de Québec
Organismes subventionnairesnon disponible
Mots-clésOverconsumptionEnvironmental healthObesityMedicinePublic healthType 2 diabetesEpidemiologyOverweightDiabetes mellitusEndocrinologyInternal medicineEconomicsPathology

Résumé

récupéré en direct d'OpenAlex

Chronic overconsumption of sugar-sweetened beverages (SSBs) is amongst the dietary factors most consistently found to be associated with obesity, type 2 diabetes (T2D) and cardiovascular disease (CVD) risk in large epidemiological studies. Intervention studies have shown that SSB overconsumption increases intra-abdominal obesity and ectopic lipid deposition in the liver, and also exacerbates cardiometabolic risk. Similar to the prevalence of obesity and T2D, national surveys of food consumption have shown that chronic overconsumption of SSBs is skyrocketing in many parts of the world, yet with marked heterogeneity across countries. SSB overconsumption is also particularly worrisome among children and adolescents. Although the relationships between SSB overconsumption and obesity, T2D, and CVD are rather consistent in epidemiological studies, it has also been shown that SSB overconsumption is part of an overall poor dietary pattern and is particularly prevalent among subgroups of the population with low socioeconomic status, thereby questioning the major focus on SSBs to target/prevent cardiometabolic diseases. Public health initiatives aimed specifically at decreasing SSB overconsumption will most likely be successful in influencing SSB consumption per se. However, comprehensive strategies targeting poor dietary patterns and aiming at improving global dietary quality are likely to have much more impact in addressing the unprecedented public health challenges that we are currently facing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,931
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,427
Écart entre enseignants0,308 · 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 tête enseignante, pas un consensus.

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

Citations37
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetDiet, Metabolism, and DiseaseTravaux en français237 207