MétaCan
Menu
Retour à la cohorte
Enregistrement W3104499509 · doi:10.1039/d0fo01969k

Is it scientifically justifiable to exclude wine and/or unfermented grape derivatives from the diet of consumers with or at risk of developing type-2 diabetes?

2020· review· en· W3104499509 sur OpenAlexaff
Patrizia Restani, Chiara Di Lorenzo, Ursula Fradera, Creina S. Stockley, Pierre‐Louis Teissèdre, Jean-Claude Ruf, Barbara Iasiello, Simone Biella, Francesca Colombo, Rena I. Kosti

Notice bibliographique

RevueFood & Function · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensWine Council of Ontario
Organismes subventionnairesnon disponible
Mots-clésWineType 2 diabetesGrape wineConsumption (sociology)Food scienceNarrativeNarrative reviewDiabetes mellitusPsychologyMedicineChemistryEndocrinologyAestheticsPhilosophyArtPsychotherapistLiterature

Résumé

récupéré en direct d'OpenAlex

The abuse of alcoholic beverages has been associated with an increased risk of chronic-degenerative diseases, including diabetes mellitus, so that there is a general diffidence towards the low/moderate consumption of wine by individuals with type-2 diabetes (T2D) or at risk of developing it. This narrative review investigates by critical revision of the scientific literature whether wine/grape derivatives must be excluded or if their low/moderate consumption could be part of the daily diet of T2D individuals. Although further intervention studies on the consumption of alcoholic beverages and the development or control of T2D are needed, the burden of evidence suggests that low/moderate wine consumption could have beneficial effects.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,103
Tête enseignante GPT0,326
Écart entre enseignants0,223 · 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'étudeSans objet
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood & FunctionMême sujetDiet and metabolism studiesTravaux en français237 207