Sugar-containing beverage consumption and cardiometabolic risk in preschool children
Notice bibliographique
Résumé
OBJECTIVE: Sugar-containing beverages (SCBs) including 100% fruit juice, fruit drinks and soda substantially contribute to total caloric intake in young children. The objective of this study was to examine whether consumption of SCB is associated with cardiometabolic risk (CMR) in preschool children, along with whether 100% fruit juice and sugar sweetened beverage (SSB) is associated with CMR. STUDY DESIGN: We used a repeated measures study design examining SCB consumption and CMR outcomes measured concurrently in children 3-6 years of age participating in TARGet Kids!, a primary-care, practice-based research network in Canada (2008-2017). To account for within-person variability, multivariable linear regression models using generalized estimating equation was used to examine the association between SCB consumption and CMR score and the individual CMR score components including systolic blood pressure, waist circumference, high-density lipoprotein cholesterol (HDL-c), triglycerides, and glucose. RESULTS: After adjusting for sociodemographic, familial and child-related covariates, higher SCB consumption was associated with elevated CMR score [0.05 (95% CI -0.0001 to 0.09), p = 0.05], including lower HDL-c [-0.02 mmol/L (95% CI -0.03 to -0.01), p = 0.01] and higher triglycerides [0.02 mmol/L (95% CI 0.004 to 0.04), p = 0.02]. When examined separately, higher 100% fruit juice [-0.02 mmol/L (95% CI -0.03 to -0.003), p = 0.02] and SSB[-0.03 mmol/L (95% CI -0.06 to -0.001), p = 0.04] consumption were each associated with lower HDL-c. CONCLUSION: Higher SCB consumption was associated with small elevations of CMR in preschool children. Our findings support recommendations to limit overall intake of SCBs in early childhood, in effort to reduce the potential long-term burden of CMR.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».