MétaCan
Menu
Retour à la cohorte
Enregistrement W2901759299 · doi:10.3390/nu10111805

The Effect of Small Doses of Fructose and Its Epimers on Glycemic Control: A Systematic Review and Meta-Analysis of Controlled Feeding Trials

2018· review· en· W2901759299 sur OpenAlexafffund
Jarvis C. Noronha, Catherine R. Braunstein, Sonia Blanco Mejía, Tauseef Khan, Cyril W.C. Kendall, Thomas M.S. Wolever, Lawrence A. Leiter, John L. Sievenpiper

Notice bibliographique

RevueNutrients · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueDiet, Metabolism, and Disease
Établissements canadiensUniversity of TorontoUniversity of SaskatchewanSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchEuropean Association for the Study of DiabetesDiabetes CanadaDairy Farmers of CanadaBanting and Best Diabetes Centre, University of TorontoCoca-Cola FoundationCanadian Cardiovascular SocietyPhysicians' Services Incorporated FoundationPepsiCoAbbott Laboratories
Mots-clésGlycemicMedicineMeta-analysisDiabetes mellitusInternal medicineAdverse effectFructoseRandomized controlled trialGlycemic indexGastroenterologyEndocrinologyFood scienceChemistry

Résumé

récupéré en direct d'OpenAlex

Objective: Contrary to the concerns that fructose may have adverse metabolic effects, an emerging literature has shown that small doses (≤10 g/meal) of fructose and its low-caloric epimers (allulose, tagatose, and sorbose) decrease the glycemic response to high glycemic index meals. Whether these acute reductions manifest as sustainable improvements in glycemic control is unclear. Our objective was to synthesize the evidence from controlled feeding trials that assessed the effect of small doses of fructose and its low-caloric epimers on glycemic control. Methods: We searched MEDLINE, EMBASE, and the Cochrane Library through April 18, 2018. We included controlled feeding trials of ≥1 week that investigated the effect of small doses (≤50 g/day or ≤10% of total energy intake/day) of fructose and its low-caloric epimers on HbA1c, fasting glucose, and fasting insulin. Two independent reviewers extracted data and assessed risk of bias. Data were pooled using the generic inverse variance method and expressed as mean differences (MDs) with 95% confidence intervals (CIs). Heterogeneity was assessed using the Cochran Q statistic and quantified using the I2 statistic. Grading of Recommendations Assessment, Development and Evaluation (GRADE) assessed the certainty of the evidence. Results: We identified 14 trial comparisons (N = 337) of the effect of fructose in individuals with and without diabetes, 3 trial comparisons (N = 138) of the effect of allulose in individuals without diabetes, 3 trial comparisons (N = 376) of the effect of tagatose mainly in individuals with type 2 diabetes, and 0 trial comparisons of the effect of sorbose. Small doses of fructose and tagatose significantly reduced HbA1c (MD = −0.38% (95% CI: −0.64%, −0.13%); MD = −0.20% (95% CI: −0.34%, −0.06%)) and fasting glucose (MD = −0.13 mmol/L (95% CI: −0.24 mmol/L, −0.03 mmol/L)); MD = −0.30 mmol/L (95% CI: −0.57 mmol/L, −0.04 mmol/L)) without affecting fasting insulin (p > 0.05). Small doses of allulose did not have a significant effect on HbA1c and fasting insulin (p > 0.05), while the reduction in fasting glucose was of borderline significance (p = 0.05). The certainty of the evidence of the effect of small doses of fructose and allulose on HbA1c, fasting glucose, and fasting insulin was graded as low. The certainty of the evidence of the effect of tagatose on HbA1c, fasting glucose, and fasting insulin was graded as moderate. Conclusions: Our results indicate that small doses of fructose and tagatose may improve glycemic control over the long term. There is a need for long-term randomized controlled trials for all four sugars to improve our certainty in the estimates.

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)0,022
score de la tête « metaresearch » (Gemma)0,061
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 enseignants0,027
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,061
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0270,030
Bibliométrie0,0070,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0030,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,105
Tête enseignante GPT0,391
Écart entre enseignants0,286 · 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

Citations35
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetDiet, Metabolism, and DiseaseTravaux en français237 207