MétaCan
Menu
Retour à la cohorte
Enregistrement W2924113793 · doi:10.1080/10408398.2019.1584873

The safety and effectiveness of commonly-marketed natural supplements for weight loss in populations with obesity: A critical review of the literature from 2006 to 2016

2019· review· en· W2924113793 sur OpenAlexaff
Sean Wharton, Revi Bonder, Aaron Jeffery, Rebecca Christensen

Notice bibliographique

RevueCritical Reviews in Food Science and Nutrition · 2019
Typereview
Langueen
DomaineMedicine
ThématiquePharmacology and Obesity Treatment
Établissements canadiensMaple Leaf Medical ClinicYork University
Organismes subventionnairesNational Institutes of Health
Mots-clésWeight lossObesityMedicineGlucomannanNutraceuticalTraditional medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objective: To evaluate the evidence published from 2006 to 2016 on the effectiveness and safety of commonly used natural supplements for weight loss in individuals with obesity.Methods: Amazon and Google were searched for names of mono-agent natural supplements marketed for weight loss and a list of the 10 supplements was created. Google Scholar, Pubmed, Science Direct, and the Cochrane Library were searched for articles that met inclusion.Results: At least one article was published on the effectiveness or safety of bitter orange, capsinoid, carnitine, chromium picolinate, Coleus forskohlii, conjugated linoleic acid, glucomannan, green tea and psyllium for weight loss in populations with obesity from 2006 to 2016. There was insufficient evidence to suggest that the natural supplements examined contribute to significant weight loss, with the exception of perhaps glucomannan in the form of PGX. In general, the majority of side-effects reported were minor to moderate, and gastrointestinal-related. However, in some cases extreme side-effects such as liver and kidney failure were observed.Conclusion: Contrary to popular belief, results of this review suggest that the use of natural supplements for weight loss are unlikely to contribute to meaningful weight loss and in some cases may contribute to harm.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,290
Score d'incertitude au seuil0,428

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,053
Tête enseignante GPT0,416
Écart entre enseignants0,364 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
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

Citations39
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Food Science and NutritionMême sujetPharmacology and Obesity TreatmentTravaux en français237 207