MétaCan
Menu
Retour à la cohorte
Enregistrement W2734494266 · doi:10.1503/cmaj.161390

Nonnutritive sweeteners and cardiometabolic health: a systematic review and meta-analysis of randomized controlled trials and prospective cohort studies

2017· review· en· W2734494266 sur OpenAlexaffvenue
Meghan B. Azad, Ahmed M Abou-Setta, Bhupendrasinh F Chauhan, Rasheda Rabbani, Justin Lys, Leslie Copstein, Amrinder Singh Mann, Maya M. Jeyaraman, Ashleigh Reid, Michelle Fiander, Dylan MacKay, Jon McGavock, Brandy Wicklow, Ryan Zarychanski

Notice bibliographique

RevueCanadian Medical Association Journal · 2017
Typereview
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensGeorge & Fay Yee Centre for Healthcare InnovationUniversity of ManitobaChildren's Hospital Research Institute of ManitobaCancerCare Manitoba
Organismes subventionnairesUniversidad de Navarra
Mots-clésMeta-analysisMedicineRandomized controlled trialSystematic reviewProspective cohort studyCohort studyMEDLINEAlternative medicineInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Nonnutritive sweeteners, such as aspartame, sucralose and stevioside, are widely consumed, yet their long-term health impact is uncertain. We synthesized evidence from prospective studies to determine whether routine consumption of non-nutritive sweeteners was associated with long-term adverse cardiometabolic effects. METHODS We searched MEDLINE, Embase and Cochrane Library (inception to January 2016) for randomized controlled trials (RCTs) that evaluated interventions for nonnutritive sweeteners and prospective cohort studies that reported on consumption of non-nutritive sweeteners among adults and adolescents. The primary outcome was body mass index (BMI). Secondary outcomes included weight, obesity and other cardiometabolic end points. RESULTS From 11 774 citations, we included 7 trials (1003 participants; median follow-up 6 mo) and 30 cohort studies (405 907 participants; median follow-up 10 yr). In the included RCTs, nonnutritive sweeteners had no significant effect on BMI (mean difference −0.37 kg/m2; 95% confidence interval [CI] −1.10 to 0.36; I2 9%; 242 participants). In the included cohort studies, consumption of nonnutritive sweeteners was associated with a modest increase in BMI (mean correlation 0.05, 95% CI 0.03 to 0.06; I2 0%; 21 256 participants). Data from RCTs showed no consistent effects of nonnutritive sweeteners on other measures of body composition and reported no further secondary outcomes. In the cohort studies, consumption of nonnutritive sweeteners was associated with increases in weight and waist circumference, and higher incidence of obesity, hypertension, metabolic syndrome, type 2 diabetes and cardiovascular events. Publication bias was indicated for studies with diabetes as an outcome. INTERPRETATION Evidence from RCTs does not clearly support the intended benefits of nonnutritive sweeteners for weight management, and observational data suggest that routine intake of nonnutritive sweeteners may be associated with increased BMI and cardiometabolic risk. Further research is needed to fully characterize the long-term risks and benefits of nonnutritive sweeteners. Protocol registration: PROSPERO-CRD42015019749

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)0,025
score de la tête « metaresearch » (Gemma)0,068
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,068
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0220,035
Bibliométrie0,0100,013
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,109
Tête enseignante GPT0,419
Écart entre enseignants0,310 · 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'étudeMéta-analyse
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

Citations384
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Association JournalMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207