MétaCan
Menu
Retour à la cohorte
Enregistrement W3032076063 · doi:10.15586/jptcp.v27i2.678

Overconsumption of sugar-sweetened beverages: Why is it difficult to control?

2020· article· en· W3032076063 sur OpenAlexvenueno aff
Mohammed S. Razzaque

Notice bibliographique

RevueJournal of Population Therapeutics and Clinical Pharmacology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet, Metabolism, and Disease
Établissements canadiensnon disponible
Organismes subventionnairesAl-Farabi Kazakh National UniversityUniversity of RwandaHarvard School of Dental Medicine
Mots-clésOverconsumptionSugarFood scienceEconomicsChemistryMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The consumption of sugar-sweetened beverages is a known contributory factor of childhood obesity that is documented around the globe. More importantly, reducing the consumption of sugar-sweetened beverages could reduce weight gain among overweight or obese children. Although sugar is present in many natural foods, artificial sugar is added into sugar-sweetened beverages, which has little or no nutritional value. However, the calories obtained from the sugar-sweetened beverages are linked to overweight and obesity, and an increase serving sizes of sugar-sweetened beverages over the years partly contributed to the alarming rise of childhood obesity around the globe. The sugar-sweetened beverages not only contain a high amount of sugar, but also contain a high amount of phosphate, and the possibility exists for an enhancing dual adverse health effects of sugar and phosphate. Increasing health awareness and limiting marketing approaches targeted towards the younger population are essential to reduce long-term health burdens that are linked to the overconsumption of sugar-sweetened beverages.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil0,389

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,105
Tête enseignante GPT0,434
Écart entre enseignants0,329 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Population Therapeutics and Clinical PharmacologyMême sujetDiet, Metabolism, and DiseaseTravaux en français237 207