MétaCan
Menu
Retour à la cohorte
Enregistrement W2792057420 · doi:10.3390/nu10030357

Low-/No-Calorie Sweeteners: A Review of Global Intakes

2018· review· en· W2792057420 sur OpenAlexaff
Danika M. Martyn, Maryse Darch, Ashley Roberts, Han Youl Lee, Tina Yaqiong Tian, Naoko Kaburagi, P Carolina Belmar

Notice bibliographique

RevueNutrients · 2018
Typereview
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensIntertek (Canada)
Organismes subventionnairesInternational Sweeteners Association
Mots-clésSucraloseAspartameEnvironmental healthCalorieMedicineAcceptable daily intakeLow calorieSaccharinPopulationToxicologyFood scienceBiology

Résumé

récupéré en direct d'OpenAlex

The current review examined published data on the intake of all major low-/no-calorie sweeteners-aspartame, acesulfame-K, saccharin, sucralose, cyclamate, thaumatin and steviol glycosides-globally over the last decade. The most detailed and complex exposure assessments were conducted in Europe, following a standardized approach. Japan and Korea similarly had up-to-date and regular intake data available. The data for other Asian countries, Latin America, Australia/New Zealand and global estimates, evaluated by the Joint FAO/WHO Expert Committee on Food Additives (JECFA), while available, were shown to be more limited in terms of design. Overall, the studies conducted since 2008 raised no concerns with respect to exceedance of individual sweetener acceptable daily intake (ADIs) among the general population globally. The data identified do not suggest a shift in exposure over time, with several studies indicating a reduction in intake. However, some data suggest there may have been an increase in the numbers of consumers of low-/no-calorie-sweetened products. Future research should consider a more standardized approach to allow the monitoring of potential changes in exposure based upon events such as sugar reduction recommendations, to ensure there is no shift in intake, particularly for high-risk individuals, including diabetics and children with specific dietary requirements, and to ensure risk management decisions are based on quality intake analyses.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,007
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0070,008
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,038
Tête enseignante GPT0,349
Écart entre enseignants0,311 · 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

Citations122
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207