Effects of nonnutritive sweeteners on body weight and BMI in diverse clinical contexts: Systematic review and meta‐analysis
Notice bibliographique
Résumé
There is an ongoing debate about the possible influences of nonnutritive sweeteners (NNS) on body weight. We conducted a systematic review and meta-analysis of randomized controlled trials (RCTs) with NNS to assess their impact on body weight. We systematically searched for RCTs at least 4 weeks in duration, evaluating the effect of NNS on body weight, both in subjects with healthy weight and in subjects with overweight/obesity at any age, and compared the effects of NNS vs caloric and noncaloric comparators. The primary outcome was the difference in body weight between NNS and comparators. Twenty studies were eligible (n = 2914). Participants consuming NNS showed significant weight/BMI differences favouring NNS compared with nonusers. Grouping by nature of comparator revealed that NNS vs placebo/no intervention and NNS vs water produced no effect. When comparing NNS vs sucrose, significant weight/BMI differences appeared favouring NNS. Consumption of NNS led to significantly negative weight/BMI differences in unrestricted energy diets, but not in weight-reduction diets. Participants with overweight/obesity and adults showed significant favourable weight/BMI differences with NNS. Data suggest that replacing sugar with NNS leads to weight reduction, particularly in participants with overweight/obesity under an unrestricted diet, information that could be utilized for evidence-based public policy decisions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,022 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».